Custom CNN Model

Dieser Funktionsblock wird verwendet, um ein TensorFlow KI-Modell zu laden, um Vorhersagen basierend auf Eingabebildern zu treffen. Er ermöglicht es den Benutzern, Machine-Learning-Modelle einfach in ihre Arbeitsabläufe zu integrieren.

📥 Eingänge

Image Any Ein Bilder Eingang, der in das KI-Modell zur Vorhersage eingespeist wird.

📤 Ausgänge

Class Index (Detected) Diese Ausgabe liefert den Index der erkannten Klasse basierend auf der Vorhersage des Modells.

Class Name (Detected) Diese Ausgabe gibt den Namen der erkannten Klasse aus der Ausgabe des Modells an.

Detection Result (Raw Output) Diese Ausgabe enthält die Rohdaten aus dem Modell, die für weitere Analysen oder Debugging nützlich sind.

🕹️ Steuerungen

Load Model Ein Button, der, wenn er angeklickt wird, es dem Benutzer ermöglicht, ein vortrainiertes TensorFlow- oder TensorFlow Lite-Modell aus seinem Dateisystem zu laden.

Classes Text Dieser Textbereich zeigt die Liste der Klassen an, die das KI-Modell erkennen kann, und gibt Einblick, auf was das Modell trainiert wurde.

🎨 Funktionen

Support for Multiple Model Formats Dieser Block kann sowohl TensorFlow .h5 Modelle als auch TensorFlow Lite .tflite Modelle laden, was Vielseitigkeit bei der Modellauswahl bietet.

Detection Results Visualization Die Ausgabe zeigt sowohl den erkannten Klassenindex als auch den Namen an, was das Verständnis des Ergebnisses erleichtert.

Error Handling Stellt Informationen über Ladefehler zur Verfügung, wie z.B. ungültige Pfade oder Konfigurationen, um bei der Problemlösung zu helfen.

📝 Nutzungshinweise

1. Load Model: Klicke auf den Button Load Model, um dein KI-Modell auszuwählen und zu laden. Du kannst entweder ein TensorFlow-Modell (*.h5) oder ein TensorFlow Lite-Modell (*.tflite) wählen.

2. Input Image: Verbinde einen bildproduzierenden Block mit dem Eingang Image Any.

3. Run the Block: Führe den Block aus, um das Eingangsbild mit dem geladenen Modell zu verarbeiten. Die Ausgaben liefern den vorhergesagten Klassenindex, den Klassennamen und die Rohausgabe.

📊 Bewertung

Bei der Ausführung nutzt dieser Funktionsblock das geladene Modell, um die Klasse des Eingabebildes vorherzusagen, und gibt Ergebnisse zurück, die den vorhergesagten Klassenindex, den Namen und die Rohausgabedaten offenlegen.

💡 Tipps und Tricks

Modellkompatibilität

Stelle sicher, dass das Modell, das du lädst, mit dem erwarteten Eingangsformat kompatibel ist. Modelle, die auf bestimmten Eingangsgrößen oder -typen trainiert wurden, können fehlschlagen, wenn das Eingangsbild nicht übereinstimmt.

Visualisierung der Klassennamen

Nach dem Laden des Modells, überprüfe den Bereich Classes Text, um die Klassen zu sehen, die das Modell erkennen kann. Diese Informationen sind entscheidend, um die Ergebnisse genau zu interpretieren.

Analyse der Rohausgaben

Untersuche die Rohausgabedaten für tiefere Einblicke in die Vorhersagen des Modells. Dies kann helfen, das Verhalten des Modells für bestimmte Eingaben zu debuggen.

🛠️ Fehlersuche

Modell nicht geladen-Fehler

Wenn du einen Fehler erhältst, der besagt, dass das Modell nicht geladen ist, vergewissere dich, dass du den Button Load Model angeklickt und eine gültige Modell-Datei ausgewählt hast.

Ungültiger Klassenindex

Wenn die Ausgabe Class Index (Detected) einen unerwarteten Wert zurückgibt, stelle sicher, dass das Eingangsbild dem erforderlichen Format des Modells entspricht und dass das Modell darauf trainiert wurde, diesen Typ von Eingabe zu erkennen.