cad feature detection

การตรวจจับคุณสมบัติ CAD

แอพน้อยที่สุดที่แปลงไฟล์ขั้นตอนเป็นสาม.JSผ่าน PythonOCC และตรวจจับคุณสมบัติการผลิตด้วย UV-NET โมเดลได้รับการฝึกฝนในชุดข้อมูล MFCAD ดังนั้นการจำแนกประเภทจึงค่อนข้างไม่ดี แต่มันถ่ายทอดแนวคิด

โครงการนี้ยังใช้ประโยชน์จากเสื้อคลุม Occwl รอบ Pythonocc เพื่อจัดการการแมปจาก BREP ไปยังการแสดงกราฟ

การสาธิตสดสามารถพบได้ที่นี่

ข้อมูลสแต็คเทค:

• ส่วนหน้า

  • ตอบโต้
  • ตัวพิมพ์ใหญ่
  • ปฏิกิริยาสามเส้น
  • tailwind css

• แบ็กเอนด์

  • งูหลาม
  • Fastapi
  • Pythonocc
  • pytorch

• อินฟาเอ

  • cdk
  • แลมบ์ดา
  • Sagemaker
  • นักเทียบท่า

วิธีใช้

ส่วนหน้า

• รันส่วนหน้าในพื้นที่: cd frontend && npm run start

• สร้างงานสร้างการผลิต: cd frontend && npm run build

• กำหนดค่า:

  • สร้างไฟล์. ENV ในโฟลเดอร์ Frontend ด้วยฟิลด์ต่อไปนี้:

     #to set the paths properly the assets folder
    PUBLIC_URL="https://yoururl.com or localhost:3000"
    
    # URL for your backend
    REACT_APP_API_URL="https://api.yoururl.com or localhost:8080"
    

แบ็กเอนด์

• รันแบ็กเอนด์ในเครื่อง: cd backend && uvicorn app.main:app --reload

• กำหนดค่า:

  • สร้าง. ENV ในโฟลเดอร์ backend/app ด้วยฟิลด์ต่อไปนี้:

     ENDPOINT_NAME="name-of-sagemaker-endpoint"
    

Sagemaker

• แบบจำลอง UVNET ที่ผ่านการฝึกอบรมจะรวมอยู่ใน repo ในการปรับใช้โมเดลไปยัง Sagemaker ให้ติดตั้งไฟล์ requirements.txt ในโฟลเดอร์ feature_detector จากนั้นเรียกใช้โน้ตบุ๊ก คุณต้องสร้างไฟล์. env ในโฟลเดอร์ feature_detector พร้อมฟิลด์ต่อไปนี้:

   SAGEMAKER_EXECUTION_ROLE="sagemaker execution role"
  SAGEMAKER_S3_BUCKET="sagemaker s3 bucket to store model.tar.gz file"
  

อินฟาเอ

• สร้างไฟล์. ENV ในโฟลเดอร์ INFRA สำหรับ CDK:

   DOMAIN="yourdomain.com"
  APP_NAME="NameForYourAppInCDK"
  API_SUBDOMAIN="sub.domain.for.api"
  FE_SUBDOMAIN="fe.subdomain"
  FE_BUCKET_NAME="name-for-s3-bucket-for-fe"