快速入门
本指南带你走完完整流程：训练自定义模型、验证、部署到硬件。不需要 AI 经验。
你需要准备
- Hubosmart 账号
- 一台支持的边缘设备（参见硬件概览）
- 每个检测类别 20–50 张样本图像
- 连接设备的 USB 线或局域网
第一步 — 创建项目
登录后从控制台创建新项目。起一个描述检测内容的名称（例如"货架合规 — A 店"或"三号线缺陷检测器"）。
项目将训练数据、训练好的模型和部署历史集中在一处。
第二步 — 采集训练数据
进入项目的数据标签页。添加图像类别——每个类别是模型将学习识别的一种状态。
采集好数据的建议：
- 在模型实际运行的环境中采集图像：相同光线、相同摄像机角度、相同距离
- 同一类别内包含变化——同一状态的不同样本
- 训练前每类目标 20–30 张；越多越好
- 确保负样本（"以上都不是"类别）反映摄像机在无事件时真实看到的内容
你可以从电脑上传图像，或者设备连接了摄像头时直接通过界面采集。
第三步 — 训练模型
进入训练标签页，点击开始训练。训练任务在 Hubosmart 官方算力上运行——浏览器中可实时查看训练进度和准确率更新。通常需要 2–5 分钟。
训练完成后查看准确率结果：
- 整体准确率显示模型在所有类别的总体正确率
- 每类准确率显示模型哪些地方有把握，哪些地方还不够
如果某个类别的准确率偏低，为该类别补充更多训练图像后重训。
第四步 — 验证
部署前，在测试标签页用模型没见过的图像进行验证。上传新图像或使用实时摄像头画面，观察置信度分数。
准备好部署的模型应该：
- 以高置信度（>85%）正确分类预期状态
- 不把负样本误分类为正向检测
如果模型存在系统性错误，针对具体失败模式补充训练数据后重训。
第五步 — 部署
选择部署并选择你的部署路径：
- 热替换 — 立即在单台设备上测试
- 个人 SDK — 分发给个人客户
- 企业批量 — 部署到设备群
热替换时，连接你的设备并按照界面步骤操作。模型将在数分钟内激活。
第六步 — 配置 Agent 工作流（可选）
如果你希望设备对检测结果自动响应——发送告警、调用 API、记录事件——为你的项目配置 Agent 工作流。
定义触发响应的条件和要执行的动作。不需要编写代码。