電感缺陷視覺檢測案例實踐 |【玩轉華為云】

本案例是華為云AI Gallery案例庫的案例工地場景鋼筋盤點

案例內容介紹

中國的各施工工地每年都要使用大量的鋼筋，一車鋼筋運到工地現場需要工作人員進行盤點，通常的做法是靠人工一根根數的方式，非常耗時費力。為了提高鋼筋盤點效率，業界提出了對鋼筋圖片進行拍照，然后使用AI算法檢測圖片中的鋼筋條數，實踐證明，該方案不僅準確率高，而且可以極大提高效率。

本案例基于目標檢測的方法，使用250張已經人工標注好的圖片進行AI模型的訓練，訓練25分鐘，即可檢測出圖片中鋼筋的橫截面，從而統計出鋼筋的條數。

（更詳細的案例資料可在案例頁面找到）

下面開始案例的實踐：

1、登錄華為云官網

2、點擊工地場景鋼筋盤點進入案例頁面（或者在華為云AI Gallery案例庫里找到該案例）

3、右上角點擊訂閱，然后點擊“Run in ModelArts”進入ModelArts管理控制臺，如果出現圖二的彈窗，點擊確認即可（沒有出現彈窗就忽略）

4、右側是運行環境，點擊“切換規格”進行切換，切換到GPU規格，華為云有提供免費的GPU 環境，按下圖操作即可（因為該案例只能使用GPU運行，所以要切換到GPU規格），如果是第一次使用華為云ModelArts JupyterLab，可以看一下中間的注意事項，有利于了解相關的操作。

5、準備完成后開始運行案例，首先下載代碼和數據集，運行實驗步驟1，點擊圖中所示的位置即可運行

6、點擊圖片所示的左下側就可以查看CPU和內存的使用率

7、運行完成步驟1后可以運行步驟2，來加載本案例需要的python模塊（可以觀察圖中框選出來的圓圈，如果是圖中所示的空心表示運行完成，如果是實心的表示正在運行，當然也可以觀察CPU的使用率），運行完成后依次運行步驟3查看訓練數據樣例、步驟4顯示原圖和標注框，步驟4運行完成后會出現下圖所示的圖片

8、依次運行步驟5-8，完成模型訓練前的各項準備，然后運行步驟9開始訓練，該步驟的運行時間較長，耐心等待即可，可以觀察到資源利用率明顯提高，訓練完成后如圖二所示

9、訓練完成后運行步驟10、11，完成定義目標檢測類，定義推理網絡，并加載前面訓練的loss最低的模型，運行完后就可以運行步驟12進行圖片檢測了，模型會把圖片中的鋼筋標記出來，然后左上角顯示圖片中鋼筋的數量

10、到此該案例就完成了。完成后記得點擊右上角結束案例、釋放資源。（如果有興趣可以嘗試去讀代碼）

AI開發平臺ModelArts 云端實踐 AI

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。