本发明涉及图片处理，具体为一种ai开放平台。
背景技术：
1、通用化的人工智能技术(如人脸识别等)无法满足面向不同行业业务中的个性化应用需求；
2、缺乏ai相关的模型开发、集成与部署经验与能力；
3、综上所述的问题，为此，我们提出一种ai开放平台。
技术实现思路
1、为了解决上述问题，本发明提供了一种ai开放平台，以解决现有的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种ai开放平台，包括ai开放平台、行业应用平台，以及若干个边缘ai设备；
4、图像采集模块用于拍摄获取原始图像，将大量获取的原始图像汇总出图像素材库，将图像素材库中的图像素材上传至ai开放平台；
5、图像分类模块用于对图像进行分类归纳，并按照图像中物品类型进行线上标注；
6、图像处理模块用于将线上标注的图像作为训练样本，通过ai开放平台进行算法模型训练，再通过ai开放平台输出算法模型；
7、算法模型判断模块用于通过素材对算法模型进行评估，并输出判断结果；
8、数据储存模块用于构建图像素材库、图像训练数据集，并分类储存。
9、一种ai开放平台的使用方法，包括以下步骤：
10、s1、将图像素材上述至ai开放平台，并创建训练样本；
11、s2、创建图像素材训练数据集，使用训练模型进行验证；
12、s3、在验证通过后，行业应用平台用于将从ai开放平台下载的算法模型文件导入到行业应用平台，为算法模型编辑相关属性；
13、s4、选择模型类型，以及具体算法模型下发至边缘ai设备。
14、优选的，所述训练样本创建，包括：
15、创建一个数据集；
16、将该数据集上传保存在电脑本地的图片，通过图像分类模型将当前数据集中图片按照形状、行为或状态进行分类训练；
17、通过可视化的标注工具对每张图片进行标注，并形成最终的训练样本。
18、优选的，所述训练模型验证，包括：
19、创建一个训练模型，指定其部署模式为萤石云或边缘设备，并选择预先创建的训练数据集；
20、开始训练，训练时间与训练样本数量有关；等待过程中可以关闭浏览器，一段时间后再进行查看；
21、模型训练完成后，可对模型进行验证，并查看验证结果；
22、将该模型下载至本地电脑。
23、优选的，所述行业应用平台用于将从ai开放平台下载的算法模型文件导入到行业应用平台，为算法模型编辑相关属性，在导入成功后，可在模型列表中查看已导入行业应用平台的全部模型。
24、优选的，所述模型下发，包括：
25、选择将要下发的模型类型，以及具体算法模型；
26、通过设备组织树选择将要下发的边缘ai设备并确认；
27、确认提交后，可在行业应用平台中查看全部的模型下发记录，包括下发是否成功等状态。
28、与现有技术相比，本发明的有益效果如下：
29、本发明加快ai技术在实际场景中的落地，快速验证应用效果，持续进行模型迭代优化。
1.一种ai开放平台，其特征在于，包括ai开放平台、行业应用平台，以及若干个边缘ai设备；
2.根据权利要求1所述的一种ai开放平台的使用方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的一种ai开放平台，其特征在于，所述训练样本创建，包括：
4.根据权利要求2所述的一种ai开放平台，其特征在于，所述训练模型验证，包括：
5.根据权利要求2所述的一种ai开放平台，其特征在于，所述行业应用平台用于将从ai开放平台下载的算法模型文件导入到行业应用平台，为算法模型编辑相关属性，在导入成功后，可在模型列表中查看已导入行业应用平台的全部模型。
6.根据权利要求2所述的一种ai开放平台，其特征在于，所述模型下发，包括：
