Supervisión en Ultralytics Platform: mantén tus despliegues de IA de visión en el buen camino

Desplegar un modelo de visión por computador es un hito importante, pero el éxito en producción depende de lo que ocurra después. A medida que el tráfico crece y las condiciones del mundo real cambian, los equipos necesitan saber si los puntos de conexión siguen respondiendo, siendo fiables y útiles.

La monopolización en Ultralytics Platform otorga a los equipos visibilidad sobre los modelos Ultralytics YOLO desplegados desde el mismo entorno utilizado para gestionar datos, entrenamiento y despliegue. Rastrea la salud operativa, inspecciona las tendencias de predicción, soluciona problemas y convierte ejemplos de producción útiles en datos para futuras mejoras del modelo.

¿Qué es la supervisión de modelos de IA de visión?#

La supervisión de modelos de IA de visión ayuda a los equipos a comprender cómo se comportan en producción los puntos de conexión desplegados y sus predicciones.

Ultralytics Platform aborda dos preguntas importantes:

• ¿Está operando el punto de conexión de forma fiable? Rastrea solicitudes, latencia P95, tasas de errores, estado de salud y registros.
• ¿Qué está viendo y prediciendo el modelo? Inspecciona predicciones de muestra y estadísticas como recuentos de clases, confianza, tiempo de inferencia y ubicaciones de predicción cuando sea compatible.

Juntas, estas perspectivas proporcionan una imagen más clara que la sola disponibilidad del punto de conexión. Un punto de conexión puede permanecer en línea mientras cambian los patrones de tráfico, los tiempos de respuesta o las distribuciones de predicción. La supervisión hace que esas señales sean más fáciles de investigar.

Comprende la salud del despliegue de un vistazo#

La página Desplegar sirve como un panel de supervisión central para tus puntos de conexión. Las tarjetas de resumen agrupan solicitudes HTTP, despliegues activos, tasas de errores y latencia P95 durante las 24 horas anteriores.

Con estas métricas, los equipos pueden:

• Comprender la demanda: Observa si el tráfico de los puntos de conexión está aumentando, disminuyendo o cambiando de forma inesperada.
• Identificar problemas de rendimiento: Utiliza la latencia P95 para investigar respuestas más lentas que podrían afectar a una aplicación.
• Detectar fallos: Identifica tasas elevadas de errores HTTP y utiliza los registros de despliegue para diagnosticar la causa.
• Comprobar la disponibilidad: Confirma si los puntos de conexión individuales están sanos y respondiendo.
• Comparar despliegues: Revisa los puntos de conexión mediante vistas de tarjeta, compactas o en tablas ordenables.

La tarjeta de tasa de errores se resalta cuando la tasa supera el 5%, lo que ayuda a que los problemas operativos destaquen sin necesidad de que los equipos inspeccionen cada punto de conexión individualmente.

Soluciona problemas más rápido con comprobaciones de salud y registros#

Cuando un punto de conexión experimenta problemas, los equipos necesitan más que una métrica de alto nivel. Cada despliegue listo incluye un indicador de salud y acceso a los registros recientes.

Las comprobaciones de salud muestran si un punto de conexión está respondiendo e informan de su latencia de respuesta. También pueden ayudar a calentar un punto de conexión que se ha reducido a cero antes de enviar el tráfico de producción.

Los registros proporcionan contexto adicional mediante marcas de tiempo, niveles de gravedad, mensajes y detalles HTTP. Esto ayuda a los equipos a investigar solicitudes fallidas, respuestas inesperadas o cambios de rendimiento sin pasar inmediatamente a una interfaz de registro separada.

Al conectar métricas, comprobaciones de salud y registros a cada despliegue, Ultralytics Platform crea un camino más directo desde la identificación de un problema hasta su comprensión.

Inspecciona el comportamiento de predicción en directo#

Los puntos de conexión dedicados de pago facturados por tiempo de actividad que ejecutan un entorno de ejecución capaz de supervisión proporcionan una pestaña de Supervisión adicional con ejemplos temporales y estadísticas de predicción.

La galería de ejemplos temporales presenta una muestra dinámica de imágenes procesadas con superposiciones de predicción. Los equipos pueden usar estos ejemplos para verificar rápidamente lo que ve un modelo, inspeccionar sus salidas e identificar entradas que merecen una revisión adicional.

Las estadísticas de predicción disponibles dependen de la tarea del modelo y pueden incluir:

• Imágenes procesadas y predicciones a lo largo del tiempo
• Tiempo medio de inferencia del modelo
• Clases predichas con frecuencia
• Predicciones por imagen
• Confianza de las predicciones y tendencias de confianza
• Dimensiones de las predicciones
• Mapas de calor espaciales de las ubicaciones de predicción

Estas señales pueden revelar cambios que vale la pena investigar, como una confianza decreciente, un cambio inesperado en la distribución de clases o predicciones que aparecen en partes inusuales de una imagen.

La confianza indica la certeza del modelo, no su corrección. Los equipos deben inspeccionar los ejemplos y comparar las predicciones con etiquetas revisadas al evaluar la precisión del modelo.

Convierte ejemplos de producción en mejores datos de entrenamiento#

La supervisión se vuelve más valiosa cuando las perspectivas de producción pueden informar el siguiente ciclo de desarrollo.

Si un ejemplo revela una condición difícil, un objeto inusual o una posible brecha de cobertura, los miembros del espacio de trabajo con los permisos adecuados pueden guardarlo directamente en un conjunto de datos compatible. La imagen y sus predicciones pasan entonces por el flujo de trabajo estándar de ingesta de conjuntos de datos, donde las etiquetas se pueden revisar antes de que los datos se utilicen para el entrenamiento.

Esto crea un bucle de mejora conectado:

1. Entrena un modelo Ultralytics YOLO utilizando tu conjunto de datos.
2. Despliega el modelo en un punto de conexión dedicado.
3. Supervisa la salud del punto de conexión y el comportamiento de las predicciones.
4. Inspecciona ejemplos de producción útiles o problemáticos.
5. Guarda y revisa los ejemplos seleccionados en un conjunto de datos.
6. Reentrena y redespliega utilizando datos informados por las condiciones del mundo real.

En lugar de dejar las observaciones de producción aisladas en otro sistema, los equipos pueden conectarlas a los conjuntos de datos y modelos ya gestionados en Ultralytics Platform.

Diseñado para la visibilidad operativa sin complejidad añadida#

Los flujos de trabajo de visión por computador en producción a menudo involucran sistemas separados para el despliegue, métricas, registros, inspección de modelos y gestión de datos. Moverse entre esos sistemas puede ralentizar la investigación y dificultar la conexión del comportamiento del modelo con futuras mejoras.

Ultralytics Platform reúne estas etapas. Los equipos pueden pasar del entrenamiento al despliegue, revisar la salud de los puntos de conexión, inspeccionar predicciones muestreadas y guardar ejemplos útiles sin reconstruir el contexto a través de múltiples herramientas.

Por ejemplo, un equipo de fabricación podría inspeccionar si las predicciones de defectos aparecen en las áreas esperadas de una imagen. Un equipo de logística podría revisar los cambios en las clases detectadas con frecuencia a medida que evolucionan las condiciones operativas. Un equipo minorista podría investigar un aumento de la latencia y determinar si la configuración del punto de conexión o el tamaño de la imagen entrante necesitan atención.

En cada caso, la supervisión ayuda a los equipos a pasar de «algo ha cambiado» a un siguiente paso más informado.

Datos de supervisión y elegibilidad#

La supervisión operativa, incluidas las solicitudes, la latencia, los errores, las comprobaciones de salud y los registros, está disponible desde la experiencia de despliegue.

Las estadísticas de predicción en directo y los ejemplos temporales requieren un punto de conexión dedicado, listo y de pago, con un entorno de ejecución capaz de supervisión. Es posible que los puntos de conexión más antiguos deban actualizarse antes de que la pestaña de Supervisión esté disponible.

Los ejemplos de predicción y las estadísticas se mantienen en la memoria de la instancia de servicio. Se pueden borrar cuando un punto de conexión se detiene, se reinicia, se redespliega, cambia de recursos o reemplaza su modelo. Guarda cualquier ejemplo que desees conservar en un conjunto de datos antes de cambiar el punto de conexión.

Empieza a supervisar tus modelos desplegados#

Ultralytics Platform Monitoring proporciona a los equipos la visibilidad necesaria para gestionar la IA de visión más allá del despliegue. Al integrar métricas de puntos de conexión, registros, comprobaciones de salud, perspectivas de predicción y comentarios de conjuntos de datos en un solo flujo de trabajo, ayuda a los equipos a identificar problemas más rápido y a construir un camino más claro hacia sistemas de producción fiables.

Inicia sesión en Ultralytics Platform, abre Desplegar y selecciona un punto de conexión listo para revisar su salud y rendimiento. Explora la disponibilidad de funciones, las estadísticas de predicción y los detalles de retención de datos en la documentación de supervisión.