Custom CNN Model

This function block lets you load a TensorFlow-based image classification model and run predictions on incoming images. It is intended for users who want to apply a custom trained convolutional neural network to classify images in a visual workflow.

📥 المدخلات

Image Any الصورة التي سيقوم النموذج المحمّل بتصنيفها.

📤 المخرجات

Class Index (Detected) المؤشر العددي للفئة المتوقعة.

Class Name (Detected) اسم الفئة المقروء بشريًا (إذا وفّر النموذج تسميات الفئات).

Detection Result (Raw Output) الناتج الخام أو درجات النموذج التي ينتجها المصنف.

🕹️ عناصر التحكم

Load Model يفتح مربع حوار لاختيار ملف النموذج وتحميله. أنواع النماذج المدعومة تشمل نماذج TensorFlow القياسية وملفات TFLite.

Classes منطقة نص تعرض قائمة الفئات الموجودة داخل النموذج المحمّل (إن توفّرت).

🎨 الميزات

• استيراد نموذج بسيط: تحميل نموذج TensorFlow أو TFLite مدرّب باستخدام عنصر تحكم واحد.

• معاينة تسميات الفئات: يعرض البلوك أسماء الفئات المستخرجة من النموذج لتتحقق منها قبل التشغيل.

• استدلال فوري: عند تحميل النموذج، تُصنَّف الصور الواردة مباشرةً وتُرسل النتائج للاستخدام اللاحق.

• مخرجات للأتمتة: يتوفر كل من المؤشر العددي واسم الفئة المقروء بشريًا، بالإضافة إلى مخرجات النموذج الخام للمعالجة المتقدمة.

⚙️ كيفية التشغيل

• استخدم عنصر التحكم Load Model لاستيراد ملف النموذج من القرص.

• بعد تحميل النموذج والتحقق منه، يقبل البلوك الصور عبر مدخل Image Any.

• لكل صورة واردة، يجري البلوك عملية استدلال ويقدّم مؤشر الفئة المتوقعة، واسم الفئة إن وُجد، وقيم التنبؤ الخام على المخرجات.

📝 تعليمات الاستخدام

1. اضغط زر Load Model واختر ملف النموذج. تأكد من ظهور قائمة الفئات في عرض Classes للتأكد من أن النموذج تم تحميله بشكل صحيح.

2. وصل أي مصدر صور إلى مدخل Image Any (مثال: Camera USB، Load Image، أو Stream Reader).

3. استخدم مخرجات البلوك لتوجيه نتائج التصنيف إلى عرض الصور، السجلات، أو بلوكات منطق القرار.

💡 نصائح وحيل

• قُم بعملية معالجة مسبقة لتطابق أبعاد الإدخال المتوقعة للنموذج باستخدام Image Resizer أو Image Resize قبل تغذية الصور بهذا البلوك. هذا يحسّن تناسق التنبؤات.

• للمراجعة البصرية، وصل مصدر الصور لهذا البلوك إلى Show Image حتى ترى ما يراه النموذج.

• أدرج نتائج التصنيف على الصور باستخدام Write Text On Image أو Draw Result On Image لإنشاء مخرجات مرئية سهلة الفهم للمشغّلين.

• احفظ أحداث التصنيف باستخدام Image Logger أو صدّر النتائج الرقمية إلى ملفات باستخدام CSV Export للتحليل لاحقًا.

• استخدم Image ROI Select أو Image ROI لاقتصاص المناطق ذات الصلة قبل التصنيف إذا كان نموذجك يتوقع وجود الكائنات في موضع ثابت.

• اجمع مع Is None أو Data Memory للتعامل مع الإطارات المفقودة أو تجميد المخرجات عند الحاجة.

🛠️ استكشاف الأخطاء وإصلاحها

• عدم ظهور فئات بعد التحميل: تأكد أن النموذج يحتوي على بيانات وصفية لتسميات الفئات. إذا كانت قائمة الفئات فارغة، سيستمر البلوك في إخراج مؤشرات عددية لكن دون أسماء مقروءة.

• عدم تحميل النموذج: تحقق من اختيارك لملف نموذج مدعوم وأن مسار الملف متاح. إذا كان لديك ملف TFLite أو TensorFlow، اختر النوع المناسب.

• توقعات غير متوقعة: تأكد من أن حجم الصورة وقنوات الألوان والمعالجة المسبقة تتطابق مع ما تدرب عليه النموذج. استخدم Image Resize، وبلوكات تحويل اللون، أو خطوات معالجة مسبقة أعلى في المسار لتطابق شروط التدريب.

• بطء في الاستدلال: فكر في تصغير حجم الصور باستخدام Image Resizer أو استخدام نسخة أخف من النموذج قبل النشر في الزمن الحقيقي.