Descripción

Entrena modelos CNN en la nube con nuevas imágenes de defectos para mejorar la detección.

Parámetros de la Tool

Entrada — lo que recibe
ParámetroTipoReq.Default
datasetIdstring✓ Sí
baseModelIdstring
epochsinteger50
Salida — lo que devuelve
CampoTipoFormato
modelIdstring
accuracynumber
mAPnumber
trainingTimeMinutesnumber

Guía de Implementación

¿Por qué estos parámetros de entrada?

datasetId identifica el dataset de imágenes etiquetadas en el sistema de gestión de datos — puede incluir imágenes de defectos nuevos capturados en producción. baseModelId es el modelo preentrenado a usar como punto de partida (transfer learning) para acelerar el entrenamiento. epochs define cuántas pasadas completas sobre el dataset realizará el entrenamiento.

Cálculos y lógica a implementar

Enviar la solicitud de entrenamiento al servicio de ML configurado (Azure Machine Learning, AWS SageMaker, NVIDIA TAO Toolkit, o la plataforma MLOps del entorno). Pasar `modelType`, `datasetId` y `trainingConfig`. El servicio gestiona pre-procesamiento, data augmentation, entrenamiento y evaluación. Obtener el `modelId` del modelo entrenado junto con las métricas `accuracy` y `mAP` reportadas por la plataforma; no implementar el ciclo de entrenamiento en el tool.

¿Por qué estos parámetros de salida?

modelId es la referencia que se usa en inspect_product_quality para cargar este modelo en el edge. accuracy y mAP determinan si el modelo está listo para producción. trainingTimeMinutes es informativo para planificar los ciclos de reentrenamiento.

Interfaz gráfica recomendada

Panel de entrenamiento con gráficas de loss y accuracy por epoch (curvas de entrenamiento y validación). Métricas finales: accuracy, mAP, tiempo de entrenamiento. Comparativa con el modelo anterior. Botón de desplegar al edge si métricas superan el umbral.

Conexiones con otras Tools

Recibe de
PATTERN_ANALYSIS_COMPLETEREST

Tendencia de empeoramiento dispara reentrenamiento del modelo

Envía a
MODEL_TRAINEDREST

Modelo entrenado se somete a mejora adicional con fine-tuning

Evento ISO que genera esta tool

Cuando esta tool detecta un evento relevante, emite el siguiente evento al Simulador ISO. El campostandardEvent.module.iddebe usar este nombre exacto.
vision_model_trained→ se visualiza en el Dashboard ISO y Reporte de Auditoría

Cláusulas ISO que cubre este evento

ISO 9001:2015§7.2Competencia

Entrenamiento de modelos de visión como competencia tecnológica del sistema de calidad.

IATF 16949:2016§8.5.1Plan de control de manufactura

Actualización del modelo de inspección visual para el plan de control.

Al ejecutar el demo de esta tool, el evento se guardará en el Simulador ISO con este identificador.

Demo en vivo

Listo

Presiona Ejecutar Demo para ver cómo actúa esta tool en tiempo real

Agentes que usan esta tool

Entrenar Modelo de Visión
Hola, soy el asistente de  Entrenar Modelo de Visión. ¿En qué puedo ayudarte?