🖥️
AugeLab Studio Manual
Deutch
Deutch
  • 👋Willkommen im AugeLab Studio Benutzerhandbuch
  • 📘Einführung
    • AugeLab Studio
    • Hauptmerkmale
    • Anwendungsfälle
    • Systemanforderungen
  • 🚀Erste Schritte
    • Anmeldung
    • Installation
    • Erster Blick
    • Einfacher Rundgang
    • Ihr allererstes Projekt
      • Grundlagen
      • Erkennung
      • Zusammenfassung
    • Weitere lokale Beispiele
    • Weitere Lektüre
  • 🖥️AugeLab Studio Oberfläche
    • Detaillierter Blick
    • Szenario-Bereich
    • Menü und Werkzeugleiste
    • Projekte verwalten
    • KI installieren und vieles mehr
      • KI mit Modul-Downloader nutzen
  • 🧱Funktionsblöcke
    • Blockstrukturen
    • Schnittstellen
    • Blockspalte
    • Verbindungen
    • Alle Funktionsblöcke
      • AI Blocks
        • Face Detection
        • Mask Detection
        • Object Detection - Custom
        • Object Detection
        • Pose Estimation
        • Safety Equipment Detection
        • Social Distance Detector
        • Super Resolution
        • Text Detection
        • OCR
      • CNN Blocks
        • Average Pooling 2D
        • Batch Normalization
        • Choose Folder 2D
        • Compile Model
        • Conv. Sep. Layer 2D
        • Conv. Trans. Layer 2D
        • Convolutional Layer 2D
        • Dropout Layer
        • Flatten Layer 2D
        • Fully Connected
        • Global Average Pooling 2D
        • Global Max Pooling 2D
        • Input Layer 2D
        • Loss CCE
        • Max Pooling 2D
        • Metrics Accuracy
        • Model EfficientNet
        • Model MobileNet
        • Model ResNet
        • Model VGG
        • Optimizer Adadelta
        • Optimizer Adagrad
        • Optimizer Adam
        • Optimizer Adamax
        • Optimizer FTRL
        • Optimizer Nadam
        • Optimizer RMSProp
        • Optimizer SGD
        • ReLU Layer
        • Softmax Layer
        • Training Parameters
      • Data/Logic
        • Flow Control
          • Batch Concatenation
          • Batch Processing
          • Debatch
          • Get Batch Size
          • HMI Background
          • Subsystem Enabled
          • Subsystem In
          • Subsystem Loop
          • Subsystem Out
          • Subsystem
        • logic
          • All True
          • And
          • Demux
          • Equals
          • Greater
          • Logic Operations
          • Mux
          • Not
          • Or
          • Set - Reset
          • Smaller
        • Mathmetical Operations
          • Add
          • Counter
          • Divide
          • Math Operations
          • Maximum
          • Minimum
          • Multiply
          • Not Equals
          • Round
          • Square Root
          • Subtract
          • Trigonometry
        • Data Operations
          • Data Memory
          • Data to JSON
          • Data Type Converter
          • Datetime Compare
          • Dictionary Operations
          • Exclude Nones
          • Find Substring
          • Get Element
          • Is None
          • List Operations
          • Parse Data Dictionary
          • Replace None
          • String Merge
          • String Operations
        • Referencing
          • Data Read Global
          • Data Read Local
          • Data Write Global
          • Data Write Local
          • Debug Input
          • Tag From
          • Tag To
        • Signal Operators
          • Delay Step
          • Edge Falling
          • Edge Rising
          • Multi Port Switch
          • OFF Delay
          • ON Delay
      • Image/Transformations
        • Analysis
          • Color Density Percentage
          • Get Dimension
          • Histogram On Curve
          • Histogram On Line
          • Image Color Match
          • Image Memory
          • Image Resolution and Channel Value
          • Maximum Images
          • Mean Value of Image
          • Measure Position Distance
          • Minimum Images
          • Non-zero of Image
          • Std. of Image
          • Structural Similarity
        • Transformation Filters
          • Auto Alignment
          • Auto Contrast
          • Color Quantizer and Clustering
          • Color Space
          • Contrast-Brightness-Gamma
          • Contrast Optimization
          • Deconvolution
          • Denoising
          • Distance Transformation
          • FloodFill
          • Grab Cut Algorithm
        • Color Filters
          • 2D Filter
          • Apply Mask
          • Bilateral Filter
          • Blur
          • Edge Filter
          • HSV Filter
          • Image Adaptive Threshold
          • Image Threshold
          • Invert Image
          • Morphological Transformations
          • Normalize Image
          • RGB Mask
          • RGB Set
          • Sobel Filter
        • Operations
          • Add Images Weighted
          • Add Images
          • Collage Images
          • Divide Images
          • Flip Image
          • Image AutoRotator
          • Image Concatenate
          • Image Resize
          • Image Resizer
          • Merge Channels
          • Multiply Images
          • Polar Transform
          • Rotate Image Angle
          • Slice Image
          • Split Image
          • Subtract Images
      • Detections/Shapes
        • Detectors
          • Barcode Reader
          • Blob Detector
          • Blur Detector
          • Circle Detector
          • Corner Detector
          • Custom CNN Model
          • Data Matrix Reader
          • Detect Reference
          • Feature Detector
          • Find Object - Multiple Image
          • Find Object
          • Find Reference
          • Harris Corner Filter
          • Line Detector
          • Match Shapes
          • Measure Object Distance
          • Shape Detector
        • Draw
          • Draw Detections
          • Draw Line
          • Draw Point
          • Draw Rectangle
          • Draw Result On Image
          • Write Date On Image
          • Write Text On Image
        • Roi Processing
          • Check Area (Polygon)
          • Check Area
          • Get Pixel Mouse
          • Get Pixel
          • Get ROI
          • Image ROI Center
          • Image ROI Polygon
          • Image ROI Select Multi
          • Image ROI Select
          • Image ROI
          • Perspective Transform
          • Rectangles in Rectangle
        • Shape Analysis
          • Approximate Contour
          • Choose Line
          • Contour to Image
          • Fill Contour
          • Find Contour
          • Hull Convex
          • Minimum Circle
          • Minimum Ellipse
          • Minimum Rectangle
          • Minimum Rotated Rectangle
          • Most Similar Shape
          • Point Polygon Test
      • Input/Output
        • Communication
          • Modbus Connect
          • Modbus Read
          • Modbus Write
          • MQTT Publish
          • MQTT Subscribe
          • OPC UA Client
          • OPC UA Read
          • OPC UA Write
          • REST API - Get
          • REST API - Post
          • Send Mail
          • Siemens S7 Connect
          • Siemens S7 Read
          • Siemens S7 Write
        • Data Inputs
          • Date-Time List
          • Date-Time
          • Headless Check
          • Keyboard/Barcode Reader
          • Logic Input
          • Number Input
          • Number Range
          • PWM (Pulse Width Modulation)
          • Rising Edge
          • String Input
          • Text
        • Image Inputs
          • Camera IP (ONVIF)
          • Camera IP
          • Camera USB External
          • Camera USB Vidgear
          • Camera USB
          • Load Image From Path
          • Load Image
          • Make Image
          • Pixel
          • Video
        • Outputs/Exports
          • CSV Export
          • Cycle Timer
          • File/Folder Operations
          • GPU Statistics
          • Image Logger
          • Image Write
          • Led Output
          • Multi Image Write
          • Output
          • Scope
          • Show Image
          • Stop
  • 📡Geräte und Kommunikation
    • Kamera-Nutzung
    • Kommunikationsprotokolle
    • Weitere Lektüre
  • 🧩Beispielprojekte
    • Demo-Projekte
    • Umfangmessung
    • Objektezählung
    • Fliesenbreitenmessung
    • Menschenkennung
    • Objekterkennung
  • 🔑Hauptmerkmale
    • Benutzerdefinierte HMI-Anwendungen bereitstellen
    • Daten für die Objekterkennung annotieren
    • Benutzerdefinierte KI-Modelle trainieren
      • Die richtige Datenbank auswählen
      • Wann man das Training stoppen sollte
    • Plugins erstellen
      • Komponenten
      • Codereferenz
    • Teilen Sie Ihre Lösungen mit der Community
    • Python-Pakete installieren
  • 📑FAQ
    • Kontaktieren Sie uns
    • FAQ
    • Ein vollständiges Projekt einrichten
  • Zusätzliche Ressourcen
    • Schulungsplan
    • Schulung Materialien
    • AugeLab-Experten
  • Anhang
    • Wörterbuch
    • Referenzen
Powered by GitBook
On this page
  • 📥 Eingänge
  • 📤 Ausgänge
  • 🕹️ Steuerungen
  • 🎨 Funktionen
  • 📝 Nutzungshinweise
  • 📊 Bewertung
  • 💡 Tipps und Tricks
  • 🛠️ Fehlersuche

Was this helpful?

  1. Funktionsblöcke
  2. Alle Funktionsblöcke
  3. AI Blocks

Object Detection - Custom

Dieser Funktionsblock ermöglicht die benutzerdefinierte Objekterkennung innerhalb von Bildern mithilfe eines vortrainierten Modells. Benutzer können angeben, welche Klassen von Objekten sie erkennen möchten, und die Vertrauensschwellenwerte für die Erkennung festlegen.

📥 Eingänge

Image Any Ein Eingang, um die Bilddaten zu speisen, die für die Objekterkennung verarbeitet werden.

📤 Ausgänge

Image Any Das Ausgabeimage mit hervorgehobenen erkannten Objekten.

Object Count Die Gesamtanzahl der erkannten Objekte im Eingangsbild.

Object Locations Die Liste der Koordinaten für die erkannten Objekte.

Object Sizes (w, h) Die Abmessungen der erkannten Objekte.

Object Class Die Liste der Klassen für die erkannten Objekte.

Rectangles Die Begrenzungsrechtecke um die erkannten Objekte.

🕹️ Steuerungen

Open Weight File Eine Schaltfläche, um die Gewichtungsdatei auszuwählen, die für das Objekterkennungsmodell benötigt wird.

Open Config File Eine Schaltfläche, um die Konfigurationsdatei für das Modell auszuwählen.

Open Class File Eine Schaltfläche, um die Datei mit Klassennamen auszuwählen, die die verfügbaren Objektkategorien für die Erkennung enthält.

Confidence Threshold % Ein Schieberegler, um den Vertrauensschwellenwert für die Erkennungen festzulegen und die Empfindlichkeit der Erkennung anzupassen.

Class Names Table Eine Anzeige der verfügbaren Klassennamen für die Erkennung, die es den Benutzern ermöglicht, auszuwählen, auf welche Klassen sie sich konzentrieren möchten.

🎨 Funktionen

Customizable Detection Bietet die Flexibilität, verschiedene Modelle zu laden und anzugeben, welche Klassen erkannt werden sollen, was eine maßgeschneiderte Nutzung für verschiedene Anwendungen ermöglicht.

Real-time Detection Das Modell verarbeitet das Bild und erkennt Objekte effizient, mit sofortiger visueller Rückmeldung zum Ergebnis.

Confidence Adjustment Benutzer können den Vertrauensschwellenwert über einen Schieberegler anpassen, um Erkennungen basierend auf Vertrauensniveaus einzuschließen oder auszuschließen.

📝 Nutzungshinweise

  1. Modelldateien laden:

    • Klicken Sie auf Open Weight File, um die Gewichtungsdatei des Modells auszuwählen.

    • Klicken Sie auf Open Config File, um die Konfigurationsdatei des Modells auszuwählen.

    • Klicken Sie auf Open Class File, um die Datei mit den Klassennamen auszuwählen.

  2. Klassen auswählen:

    • Die aus der Klassendatei geladenen Klassennamen erscheinen in der Class Names Table. Wählen Sie die gewünschten Klassen zur Erkennung aus.

  3. Vertrauen anpassen:

    • Verwenden Sie den Schieberegler Confidence Threshold %, um den gewünschten Erkennungsschwellenwert festzulegen.

  4. Verbinden und bewerten:

    • Verbinden Sie ein Bild mit dem Eingang. Der Block verarbeitet das Bild und gibt das modifizierte Bild zurück, das die erkannten Objekte anzeigt.

📊 Bewertung

Nach der Ausführung gibt dieser Funktionsblock ein annotiertes Bild aus, zusammen mit Details zu den erkannten Objekten, einschließlich ihrer Anzahl, Größen, Klassen und Standorte.

💡 Tipps und Tricks

Verwendung benutzerdefinierter Modelle

Stellen Sie sicher, dass die Gewichtungs-, Konfigurations- und Klassendateien zueinander passen und mit der YOLOv4-Modellarchitektur kompatibel sind, um Ladefehler zu vermeiden.

Umgang mit mehreren Objekten

Wenn Sie mehrere Objekte aus verschiedenen Klassen erkennen, stellen Sie sicher, dass Ihre Klassendatei alle interessierenden Objektklassen enthält.

Feinabstimmung der Erkennungsempfindlichkeit

Passen Sie den Confidence Threshold %-Schieberegler an, um die Empfindlichkeit der Erkennung zu steuern. Wenn Sie diesen zu hoch einstellen, könnten Erkennungen verpasst werden, während ein zu niedriger Wert zu falschen Erkennungen führen kann.

🛠️ Fehlersuche

Modell nicht geladen

Wenn das Modell nicht geladen wird, stellen Sie sicher, dass die Pfade für die Gewichtungs-, Konfigurations- und Klassendateien korrekt festgelegt sind und auf vorhandene Dateien verweisen.

Keine Erkennungen gefunden

Wenn keine Erkennungen zurückgegeben werden, überprüfen Sie, ob die ausgewählten Klassen mit den im Eingangsbild vorhandenen Objekten übereinstimmen. Passen Sie den Vertrauensschwellenwert nach Bedarf an.

PreviousMask DetectionNextObject Detection

Last updated 7 months ago

Was this helpful?

🧱