f) Camera và hệ thống điều chỉnh ánh sáng.
3.4.4. Quá trình huấn luyện mô hình
A.Cấu hình máy tính.
Qúa trình huấn luyện mô hình nhận diện linh kiện được thực hiện trên Google Colab. Đây là hệ thống được xây dựng bởi Google cho phép việc huấn luyện mô hình diễn ra online.
Ưu điểm:
Cho phép việc huấn luyện dữ liệu online với RAM 8Gb và GPU 2Gb. So với những máy tính thông thường, cấu hình này cho phép tăng tốc quá trình huấn luyện và đánh giá mô hình.
Tiết kiệm chi phí training.
Cho phép upload và dowload file huấn luyện một cách dễ dàng.
Nhược điểm:
Thời gian huấn luyện sử dụng GPU bị hạn chế. Cho phép tối đa 12h. Độ bảo mật dữ liệu không cao.
Hình 3- 36: Google Colaboratory
Tiểu Luận Pro(123docz.net)
Để huấn luyện mô hình nhận diện linh kiện, 2300 ảnh linh kiện với 13 loại linh kiện khác nhau được thu thập. Ảnh được thu thập bởi camera có độ phân giải 2 Mpx. Tập ảnh được chia ra thành file train và file test với số ảnh tương ứng là 2070 và 230 ảnh. Các ảnh được tinh chỉnh kích thước về 300x300 pixel sao cho phù hợp với đầu vào của mô hình Resnet-50.
Hình 3- 37: Tập dữ liệu ảnh huấn luyện nhận diện linh kiện
Tập dữ liệu nhận diện linh kiện, tập dữ liệu nhận diện linh kiện ngược chiều bao gồm 3500 ảnh với 3200 ảnh train và 300 ảnh test.
Tiểu Luận Pro(123docz.net)
Tập dữ liệu kiểm tra viết xước trên chip và trên mạch 1500 ảnh với 1350 ảnh train và 150 ảnh test
Để giảm thiểu thời gian huấn luyện cũng như gia tăng độ chính xác cho mô hình, file weight ban đầu của mô hình được cập nhật từ “Imagenet”. Đây là file weight đã được huấn luyện qua các bộ dữ liệu cực lớn, do đó nó cho phép mô hình hội tụ nhanh hơn và tối ưu hơn. Do đó tổng thời gian để huấn luyện mô hình chỉ mất 30 phút với độ chính xác cao nhất là 98.34% trên tập test như thể hiện ở hình (3-38).
Tiểu Luận Pro(123docz.net)
B.Kiểm chứng kết quả:
Ảnh từ camera sẽ được quay cùng hướng với ảnh mẫu ta thu được ảnh (b), sau đó chuyển ảnh sang không gian màu YUV ảnh (c), lấy kết quả đó thực hiện phép trừ ảnh với ảnh mẫu ta được ảnh (d), tiếp đó ta lọc nhiễu để bỏ các vùng lỗi nhỏ ảnh (e). Với các vùng nhiễu thỏa mãn các điều kiện về độ lớn, độ đặc, tỉ lệ dài và rộng ta sẽ lưu lại tọa độ để thực hiện các bước tiếp theo.
(a) (b)
Tiểu Luận Pro(123docz.net)
Kiểm tra model resnet50:
Với các tọa độ vùng lỗi thu được ở phần A ta sẽ resize về kích thước 300x300x3 để đưa vào mạng resnet50 để nhận diện linh kiện bị thiếu hoặc thừa.
Kiểm tra model mobilenet.
Tương tự ta cũng lấy dữ liệu các vùng lỗi ở phần A sau khi resize về kích thước 300x300x3 để đưa vào mạng mobilenet để kiểm tra chiều linh kiện.
Tiểu Luận Pro(123docz.net)
Kiểm tra model U2net tương tự ta cũng lấy dữ liệu các vùng lỗi ở phần A sau khi resize về kích thước 256x256x3 để đưa vào mạng U2-net để kiểm tra vết xước