视觉 AI 训练
部署 AI 最难的部分不是运行模型——而是获得一个能在你所需场景下精准识别目标的模型。Hubosmart 通过浏览器端训练界面解决这个问题，任何团队成员都可以操作。
工作原理
数据采集
直接通过训练界面拍摄或上传图像。无需标注软件——图像在添加时按类别整理。一个可用的初始模型通常需要每类 20–50 张图像。
平台算力训练
训练任务通过浏览器提交后，由 Hubosmart 官方云端算力使用迁移学习处理。整个过程需要数分钟而非数小时。不需要本地 GPU、Python 环境或数据科学工具链。
部署前验证
在提交部署之前，对新图像测试模型。界面显示每个类别的置信度分数，帮助你识别哪些类别需要更多训练数据。
一键导出
当模型达到准确率要求后，导出用于部署。平台自动处理模型转换和针对目标硬件的优化。
为领域专家设计，而非数据科学家
知道"缺陷"长什么样、"健康作物"长什么样、"正确货架状态"长什么样的人，不一定是工程师。Hubosmart 的训练界面的设计目标是：
- 产线主管可以训练缺陷检测器
- 农艺师可以训练作物病害识别器
- 门店经理可以训练货架合规检查器
真正重要的专业知识是领域知识——知道该寻找什么。Hubosmart 负责机器学习部分。
训练能力
| 能力 | 详情 |
|---|---|
| 任务类型 | 图像分类（多分类） |
| 训练位置 | Hubosmart 官方云端算力——无需本地 GPU |
| 最少样本 | 每类约 20 张图像即可训练初始模型 |
| 训练时间 | 典型分类任务只需数分钟 |
| 验证 | 部署前实时准确率反馈 |
| 导出格式 | 针对支持的边缘硬件目标优化 |
迭代改进
更多数据带来更好的模型。随着部署在实际场景中产生观测数据，这些数据可以添加到训练集中并重训模型。对已训练模型用新样本重训所需时间与初次训练相同——不从头开始。
季节变化、新产品 SKU、环境变更——所有这些都可以通过重训来应对，无需重新构建系统。