TWI764397B

TWI764397B - 人工智慧推論可視化系統及其方法

Info

Publication number: TWI764397B
Application number: TW109142033A
Authority: TW
Inventors: 李冠毅; 陳錫裕
Original assignee: 神通資訊科技股份有限公司
Priority date: 2020-11-30
Filing date: 2020-11-30
Publication date: 2022-05-11
Also published as: TW202223615A

Abstract

一種人工智慧推論可視化系統及其方法，透過圖形使用者介面提供拖曳選擇影像資料集，再根據選擇結果載入相符的推薦範本以進行顯示，同時由推薦範本自動指定適合選擇的影像資料集的人工智慧模型及圖像樣板，並且在執行推論運算後，顯示此推薦範本的推論結果及準確率以作為調整推薦範本的依據，用以達到提高模型選擇與操作的便利性之技術功效。

Description

人工智慧推論可視化系統及其方法

本發明涉及一種可視化系統及其方法，特別是人工智慧推論可視化系統及其方法。

近年來，隨著人工智慧（Artificial Intelligence, AI）的普及與蓬勃發展，各種結合人工智慧的應用便如雨後春筍般地湧出。然而，使用人工智慧有一定的門檻，因此，如何更為便利地使用人工智慧便成為各家廠商亟欲解決的問題之一。

一般而言，傳統使用人工智慧的方式，需要使用者先訓練模型，而訓練好的模型再放到推論系統的檔案目錄下，再由推論系統選擇已訓練完成的模型，用以部署應用程式介面（Application Programming Interface, API）服務。然而，由於推論系統並未有可視化的部分，所以需要另以程式將來源資料與API服務進行連結，以便在程式的圖形介面查看辨識結果的好壞。換句話說，使用者若要將AI應用在新情境時，需要重新訓練一個模型，無法直接藉由拖曳方式直接部署模型，也無法快速直觀地得知應用此模型的辨識結果及準確率，故具有模型選擇與操作的便利性不足之問題。

綜上所述，可知先前技術中長期以來一直存在模型選擇與操作的便利性不足之問題，因此實有必要提出改進的技術手段，來解決此一問題。

本發明揭露一種人工智慧推論可視化系統及其方法。

首先，本發明揭露一種人工智慧推論可視化系統，此系統包含：儲存模組、初始模組、載入模組、執行模組及顯示模組。其中，儲存模組用以儲存推薦範本（Template）、不同來源的影像資料集、不同辨識演算法且已訓練（Training）完成的人工智慧模型及圖形樣板，其中，所述推薦範本包含指定的影像資料集、人工智慧模型及圖形樣板；初始模組連接儲存模組，用以於初始時，產生圖形使用者介面（Graphical User Interface, GUI）以顯示影像資料集，並且允許將顯示的影像資料集拖曳至圖形使用者介面的候選區塊以作為被拖曳單元；載入模組連接儲存模組及初始模組，用以篩選出包含被拖曳單元的推薦範本，再根據篩選出的推薦範本載入其包含的指定影像資料集、人工智慧模型及圖形樣板；執行模組連接載入模組，用以在觸發執行指令時，將載入的影像資料集輸入至載入的人工智慧模型以執行推論（Inference）運算，並且根據推論運算產生相應的推論結果，以及偵測篩選出的推薦範本是否已存在準確率，若是，則直接載入已存在的準確率，若否，則計算相應此推論結果的準確率，用以設定為篩選出的推薦範本的準確率；以及顯示模組連接載入模組及執行模組，用以使用載入的圖形樣板將推論結果與直接載入或計算出的準確率一併顯示於圖形使用者介面。

另外，本發明還揭露一種人工智慧推論可視化方法，其步驟包括：提供推薦範本、不同來源的影像資料集、不同辨識演算法且已訓練完成的人工智慧模型及圖形樣板，其中，推薦範本包含指定的影像資料集、人工智慧模型及圖形樣板；於初始時，產生圖形使用者介面以顯示影像資料集，並且允許將顯示的影像資料集拖曳至圖形使用者介面的候選區塊以作為被拖曳單元；篩選出包含被拖曳單元的推薦範本，再根據篩選出的推薦範本載入其包含的指定影像資料集、人工智慧模型及圖形樣板；當觸發執行指令時，將載入的影像資料集輸入至載入的人工智慧模型以執行推論運算，並且根據推論運算產生相應的推論結果；偵測篩選出的推薦範本是否已存在準確率，若是，則直接載入已存在的準確率，若否，則計算相應推論結果的準確率，用以設定為篩選出的推薦範本的準確率；使用載入的圖形樣板將推論結果與直接載入或計算出的準確率一併顯示於圖形使用者介面。

本發明所揭露之系統與方法如上，與先前技術的差異在於本發明是透過圖形使用者介面提供拖曳選擇影像資料集，再根據選擇結果載入相符的推薦範本以進行顯示，同時由推薦範本自動指定適合選擇的影像資料集的人工智慧模型及圖像樣板，並且在執行推論運算後，顯示此推薦範本的推論結果及準確率以作為調整推薦範本的依據。

透過上述的技術手段，本發明可以達成提高模型選擇與操作的便利性不足之技術功效。

以下將配合圖式及實施例來詳細說明本發明之實施方式，藉此對本發明如何應用技術手段來解決技術問題並達成技術功效的實現過程能充分理解並據以實施。

首先，在說明本發明所揭露之人工智慧推論可視化系統及其方法之前，先對本發明所應用的環境作說明，本發明係應用圖形使用者介面，允許使用者以拖曳方式選擇各種不同來源的影像資料集，例如：車流影像、零件影像、瑕疵零件影像等等，而且允許同時選擇不同來源的影像資料集，如：同時選擇零件影像及瑕疵零件影像，以便根據選擇的影像資料集自動載入適合的推薦範本，進而使用適合此影像資料集的人工智慧模型，提高選擇及操作人工智慧模型的便利性。

以下配合圖式對本發明人工智慧推論可視化系統及其方法做進一步說明，請先參閱「第1圖」，「第1圖」為本發明人工智慧推論可視化系統的系統方塊圖，此系統包含：儲存模組110、初始模組120、載入模組130、執行模組140及顯示模組150。其中，儲存模組110用以儲存推薦範本、不同來源的影像資料集、不同辨識演算法且已訓練完成的人工智慧模型及圖形樣板，其中，所述推薦範本包含指定的影像資料集、人工智慧模型及圖形樣板（如：長條圖、圓餅圖、雷達圖等等）。在實際實施上，儲存模組110可使用硬碟、光碟、非揮發式記憶體等等來實現。另外，所述影像資料集可包含來自不同攝像元件的影像串流資料（如：車況影像、零件影像）、瑕疵圖像資料（如：凸點、凹點、孔偏心）等等；所述人工智慧模型可包含使用不同辨識演算法，如：「YOLO」、「Fast R-CNN」、「Mask R-CNN」及其相似演算法且已完成訓練（Training）的模型。

初始模組120連接儲存模組110，用以於初始時，產生圖形使用者介面以顯示影像資料集，並且允許將顯示的影像資料集拖曳至圖形使用者介面的候選區塊以作為被拖曳單元。在實際實施上，以圖形使用者介面顯示影像資料集的方式是透過產生圖像區塊來呈現，以不同的圖像區塊來代表不同的影像資料集，使用者可以使用游標拖曳代表影像資料集的圖像區塊來達成選擇此影像資料集的目的，而被拖曳至候選區塊的圖像區塊則作為被拖曳單元。另外，候選區塊可允許以拖曳方式重新調整影像資料集與人工智慧模型之間的資料連結關係，並且根據重新調整過的資料連結關係重新執行推論運算。

載入模組130連接儲存模組110及初始模組120，用以篩選出包含被拖曳單元的推薦範本，再根據篩選出的推薦範本載入其包含的指定影像資料集、人工智慧模型及圖形樣板。舉例來說，假設有一個推薦範本，其包含的指定影像資料集為「零件A」、人工智慧模型為「YOLO」、圖形樣板為「長條圖」，當被拖曳單元代表的影像資料集同樣為「零件A」時，此推薦範本便會因為包含影像資料集「零件A」而被篩選出來並進行載入。

執行模組140連接載入模組130，用以在觸發執行指令時，將載入的影像資料集輸入至載入的人工智慧模型以執行推論運算，並且根據推論運算產生相應的推論結果，以及偵測篩選出的推薦範本是否已存在準確率，若是，則直接載入已存在的準確率，若否，則計算相應此推論結果的準確率，用以設定為篩選出的推薦範本的準確率。在實際實施上，可在圖形使用者介面上產生一個圖形區塊或圖形按鍵以供使用者進行點選，當此圖形區塊或圖形按鍵被點選時，即觸發執行指令用以進行評估（Evaluate）及推論。另外，計算推薦範本的準確率可使用混淆矩陣（Confusion Matrix）或其它相似的效能衡量指標來實現，甚至可將計算結果儲存為與推薦範本相應的歷史紀錄。除此之外，當準確率低於預設值時，可載入相應的推薦範本以將其包含的影像資料集、人工智慧模型及圖形樣板顯示於候選區塊以作為被拖曳單元，並且允許重新新增、刪除或調整拖曳單元。

顯示模組150連接載入模組130及執行模組140，用以使用載入的圖形樣板將推論結果與直接載入或計算出的準確率一併顯示於圖形使用者介面。舉例來說，假設圖形樣板為長條圖，推論結果及準確率可以數值化後使用長條圖來呈現。在實際實施上，圖形樣板可使用儀表板（Dashboard）形式同時顯示多種資訊。

特別要說明的是，在實際實施上，本發明所述的模組皆可利用各種方式來實現，包含軟體、硬體或其任意組合，例如，在某些實施方式中，各模組可利用軟體及硬體或其中之一來實現，除此之外，本發明亦可部分地或完全地基於硬體來實現，例如，系統中的一個或多個模組可以透過積體電路晶片、系統單晶片（System on Chip, SoC）、複雜可程式邏輯裝置（Complex Programmable Logic Device, CPLD）、現場可程式邏輯閘陣列（Field Programmable Gate Array, FPGA）等來實現。本發明可以是系統、方法及／或電腦程式。電腦程式可以包括電腦可讀儲存媒體，其上載有用於使處理器實現本發明的各個方面的電腦可讀程式指令，電腦可讀儲存媒體可以是可以保持和儲存由指令執行設備使用的指令的有形設備。電腦可讀儲存媒體可以是但不限於電儲存設備、磁儲存設備、光儲存設備、電磁儲存設備、半導體儲存設備或上述的任意合適的組合。電腦可讀儲存媒體的更具體的例子（非窮舉的列表）包括：硬碟、隨機存取記憶體、唯讀記憶體、快閃記憶體、光碟、軟碟以及上述的任意合適的組合。此處所使用的電腦可讀儲存媒體不被解釋爲瞬時信號本身，諸如無線電波或者其它自由傳播的電磁波、通過波導或其它傳輸媒介傳播的電磁波（例如，通過光纖電纜的光信號）、或者通過電線傳輸的電信號。另外，此處所描述的電腦可讀程式指令可以從電腦可讀儲存媒體下載到各個計算／處理設備，或者通過網路，例如：網際網路、區域網路、廣域網路及／或無線網路下載到外部電腦設備或外部儲存設備。網路可以包括銅傳輸電纜、光纖傳輸、無線傳輸、路由器、防火牆、交換器、集線器及／或閘道器。每一個計算／處理設備中的網路卡或者網路介面從網路接收電腦可讀程式指令，並轉發此電腦可讀程式指令，以供儲存在各個計算／處理設備中的電腦可讀儲存媒體中。執行本發明操作的電腦程式指令可以是組合語言指令、指令集架構指令、機器指令、機器相關指令、微指令、韌體指令、或者以一種或多種程式語言的任意組合編寫的原始碼或目的碼（Object Code），所述程式語言包括物件導向的程式語言，如：Common Lisp、Python、C++、Objective-C、Smalltalk、Delphi、Java、Swift、C#、Perl、Ruby與PHP等，以及常規的程序式（Procedural）程式語言，如：C語言或類似的程式語言。所述電腦程式指令可以完全地在電腦上執行、部分地在電腦上執行、作爲一個獨立的軟體執行、部分在客戶端電腦上部分在遠端電腦上執行、或者完全在遠端電腦或伺服器上執行。

請參閱「第2A圖」及「第2B圖」，「第2A圖」及「第2B圖」為本發明人工智慧推論可視化方法的方法流程圖，其步驟包括：提供推薦範本、不同來源的影像資料集、不同辨識演算法且已訓練完成的人工智慧模型及圖形樣板，其中，推薦範本包含指定的影像資料集、人工智慧模型及圖形樣板（步驟210）；於初始時，產生圖形使用者介面以顯示影像資料集，並且允許將顯示的影像資料集拖曳至圖形使用者介面的候選區塊以作為被拖曳單元（步驟220）；篩選出包含被拖曳單元的推薦範本，再根據篩選出的推薦範本載入其包含的指定影像資料集、人工智慧模型及圖形樣板（步驟230）；當觸發執行指令時，將載入的影像資料集輸入至載入的人工智慧模型以執行推論運算，並且根據推論運算產生相應的推論結果（步驟240）；偵測篩選出的推薦範本是否已存在準確率，若是，則直接載入已存在的準確率，若否，則計算相應推論結果的準確率，用以設定為篩選出的推薦範本的準確率（步驟250）；使用載入的圖形樣板將推論結果與直接載入或計算出的準確率一併顯示於圖形使用者介面（步驟260）。透過上述步驟，即可透過圖形使用者介面提供拖曳選擇影像資料集，再根據選擇結果載入相符的推薦範本以進行顯示，同時由推薦範本自動指定適合選擇的影像資料集的人工智慧模型及圖像樣板，並且在執行推論運算後，顯示此推薦範本的推論結果及準確率以作為調整推薦範本的依據。

在步驟260之後，還可以在執行新建指令時，允許將影像資料集、人工智慧模型及圖形樣板拖曳至候選區塊，以及對影像資料集執行資料預處理，並且分析執行資料預處理後的影像資料集的影像特徵，再根據此影像特徵篩選人工智慧模型以作為新的推薦範本（步驟270）。藉由資料預處理可以提高辨識速度與準確率，並且能夠根據影像內容選擇合適的人工智慧模型。

以下配合「第3圖」至「第5B圖」以實施例的方式進行如下說明，請先參閱「第3圖」，「第3圖」為應用本發明的另一實施例之系統方塊圖。在實際實施上，其與「第1圖」的差異在於增加操作紀錄學習模組160，其連接儲存模組110及執行模組140，用以儲存與推薦範本相應的歷史紀錄，此歷史紀錄是由執行模組140執行推論運算後產生，其可包含以人工智慧模型辨識影像資料集的辨識速度及準確率，並且允許根據影像資料集、辨識速度及準確率調整推薦範本中指定的人工智慧模型，舉例來說，根據影像資料集的不同，可選擇辨識速度最高且準確率也最高的人工智慧模型；選擇辨識速度最高，但準確率一般的人工智慧模型；選擇辨識速度慢，但準確率高的人工智慧模型；甚至選擇辨識速度及準確率皆一般的人工智慧模型。接著，再將調整結果顯示於圖形使用者介面，如：對話視窗、彈出式視窗等等。在實際實施上，歷史紀錄除了包含辨識速度及準確率之外，還可以包含其它評估指標，如：「mAP」，其與平均準確率（Average Precision, AP）的差異在於「mAP」為所有物件的「AP」的平均值。

請參閱「第4A圖」及「第4B圖」，「第4A圖」及「第4B圖」為應用本發明顯示推薦範本之示意圖。在自動光學檢測（Automated Optical Inspection, AOI）的情境下，影像資料集可包含零件及瑕疵的影像。當使用者欲使用推薦範本時，可在如「第4A圖」所示意的圖形使用者介面300中，依序點選推薦範本元件321、零件資料集元件323及瑕疵資料集元件324，使其顯示影像資料集提供使用者選擇，並且允許使用者透過拖曳的方式，將顯示的影像資料集，如：「零件A」、「凹點」及「孔偏心」等等，拖曳至圖形使用者介面300的候選區塊330以作為被拖曳單元（331~333）。此時，即可篩選出包含拖曳單元（331~333）的推薦範本，並且將其指定的影像資料集、人工智慧模型及圖形樣板分別以不同的圖像單元（341~346）顯示在顯示區塊340中。當使用者欲評估此推薦範本的好壞時，可點選評估範本元件311以觸發執行指令，將載入的影像資料集輸入至載入的人工智慧模型以執行推論運算，並且根據此推論運算產生相應的推論結果，接著，偵測篩選出的推薦範本是否已存在準確率，若是，則直接載入已存在的準確率，若否，則計算相應此推論結果的準確率，用以設定為篩選出的推薦範本的準確率。然後，如「第4B圖」所示意，使用載入的圖形樣板將推論結果與直接載入或計算出的準確率一併顯示於圖形使用者介面300的推論結果顯示區塊350及準確率顯示區塊360。要補充說明的是，使用者可以點選零件資料集元件323、瑕疵資料集元件324、人工智慧模型元件325及儀表板元件326來調整不同的影像資料集、人工智慧模型及儀表板。

如「第5A圖」及「第5B圖」所示意，「第5A圖」及「第5B圖」為應用本發明建立新的推薦範本之示意圖。當使用者欲建立新的推薦範本時，可以點選建立範本元件322以觸發新建指令，以便產生多個選擇區塊（410、420、430及440），允許使用者點選零件資料集元件323後，選擇影像資料集（如：零件影像的資料集）並拖曳至選擇區塊410；點選瑕疵資料集元件324後，選擇影像資料集（如：凸點瑕疵影像的資料集）並拖曳至選擇區塊420；點選人工智慧模型元件325後，選擇人工智慧模型（如：使用「YOLO」演算法的模型），並拖曳至選擇區塊430；以及點選儀表板元件326後，選擇欲使用的圖形樣板（如：長條圖、圓餅圖、折線圖等等）。當全部選擇完成後，可點選儲存範本元件312，用以將其儲存為的推薦範本。特別要說明的是，每一個選擇區塊（410、420、430及440）均具有相應的增加元件421及設定元件422，提供使用者點選增加元件421新增另一影像資料集、人工智慧模型及圖形樣板；或是點選設定元件422來改變其參數。假設使用者點選增加元件421，可如「第5B圖」所示意，顯示另一分支，此分支上同樣有選擇區塊（520、530及540），以及相應的增加元件521及設定元件522。

綜上所述，可知本發明與先前技術之間的差異在於透過圖形使用者介面提供拖曳選擇影像資料集，再根據選擇結果載入相符的推薦範本以進行顯示，同時由推薦範本自動指定適合選擇的影像資料集的人工智慧模型及圖像樣板，並且在執行推論運算後，顯示此推薦範本的推論結果及準確率以作為調整推薦範本的依據，藉由此一技術手段可以解決先前技術所存在的問題，進而達成提高模型選擇與操作的便利性之技術功效。

雖然本發明以前述之實施例揭露如上，然其並非用以限定本發明，任何熟習相像技藝者，在不脫離本發明之精神和範圍內，當可作些許之更動與潤飾，因此本發明之專利保護範圍須視本說明書所附之申請專利範圍所界定者為準。

110:儲存模組 120:初始模組 130:載入模組 140:執行模組 150:顯示模組 160:操作紀錄學習模組 300:圖形使用者介面 311:評估範本元件 312:儲存範本元件 321:推薦範本元件 322:建立範本元件 323:零件資料集元件 324:瑕疵資料集元件 325:人工智慧模型元件 326:儀表板元件 330:候選區塊 331~333:被拖曳單元 340:顯示區塊 341~346:圖像單元 350:推論結果顯示區塊 360:準確率顯示區塊 410,420,430,440:選擇區塊 421,521:增加元件 422,522:設定元件 520,530,540:選擇區塊步驟210:提供至少一推薦範本、不同來源的多個影像資料集、不同辨識演算法且已訓練完成的多個人工智慧模型及多個圖形樣板，其中，所述推薦範本包含指定的所述影像資料集、所述人工智慧模型及所述圖形樣板步驟220:於初始時，產生一圖形使用者介面以顯示所述影像資料集，並且允許將顯示的所述影像資料集拖曳至該圖形使用者介面的一候選區塊以作為一被拖曳單元步驟230:篩選出包含所述被拖曳單元的所述推薦範本，再根據篩選出的所述推薦範本載入其包含的指定所述影像資料集、所述人工智慧模型及所述圖形樣板步驟240:當觸發一執行指令時，將載入的所述影像資料集輸入至載入的所述人工智慧模型以執行一推論運算，並且根據該推論運算產生相應的一推論結果步驟250:偵測篩選出的所述推薦範本是否已存在一準確率，若是，則直接載入已存在的該準確率，若否，則計算相應該推論結果的該準確率，用以設定為篩選出的所述推薦範本的該準確率步驟260:使用載入的所述圖形樣板將該推論結果與直接載入或計算出的該準確率一併顯示於該圖形使用者介面步驟270:在執行一新建指令時，允許將所述影像資料集、所述人工智慧模型及所述圖形樣板拖曳至該候選區塊，以及對所述影像資料集執行一資料預處理，並且分析執行該資料預處理後的所述影像資料集的一影像特徵，再根據該影像特徵篩選所述人工智慧模型以作為新的所述推薦範本

第1圖為本發明人工智慧推論可視化系統的系統方塊圖。第2A圖及第2B圖為本發明人工智慧推論可視化方法的方法流程圖。第3圖為應用本發明的另一實施例之系統方塊圖。第4A圖及第4B圖為應用本發明顯示推薦範本之示意圖。第5A圖及第5B圖為應用本發明建立新的推薦範本之示意圖。

110:儲存模組

120:初始模組

130:載入模組

140:執行模組

150:顯示模組

Claims

一種人工智慧推論可視化系統，該系統包含：一儲存模組，用以儲存至少一推薦範本、不同來源的多個影像資料集、不同辨識演算法且已訓練完成的多個人工智慧模型及多個圖形樣板，其中，所述推薦範本包含指定的所述影像資料集、所述人工智慧模型及所述圖形樣板；一初始模組，連接該儲存模組，用以於初始時，產生一圖形使用者介面以顯示所述影像資料集，並且允許將顯示的所述影像資料集拖曳至該圖形使用者介面的一候選區塊以作為一被拖曳單元；一載入模組，連接該儲存模組及該初始模組，用以篩選出包含所述被拖曳單元的所述推薦範本，再根據篩選出的所述推薦範本載入其包含的指定所述影像資料集、所述人工智慧模型及所述圖形樣板；一執行模組，連接該載入模組，用以在觸發一執行指令時，將載入的所述影像資料集輸入至載入的所述人工智慧模型以執行一推論運算，並且根據該推論運算產生相應的一推論結果，以及偵測篩選出的所述推薦範本是否已存在一準確率，若是，則直接載入已存在的該準確率，若否，則計算相應該推論結果的該準確率，用以設定為篩選出的所述推薦範本的該準確率；以及一顯示模組，連接該載入模組及該執行模組，用以使用載入的所述圖形樣板將該推論結果與直接載入或計算出的該準確率一併顯示於該圖形使用者介面。
如請求項1之人工智慧推論可視化系統，其中該系統更包含一操作紀錄學習模組，連接該儲存模組及該執行模組，用以儲存與所述推薦範本相應的一歷史紀錄，該歷史紀錄包含以所述人工智慧模型辨識所述影像資料集的一辨識速度及該準確率，並且允許根據所述影像資料集、該辨識速度及該準確率調整所述推薦範本中的所述人工智慧模型，再將調整結果顯示於該圖形使用者介面。
如請求項1之人工智慧推論可視化系統，其中該候選區塊允許以拖曳方式重新調整所述影像資料集與所述人工智慧模型之間的一資料連結關係，並且根據該資料連結關係重新執行該推論運算。
如請求項1之人工智慧推論可視化系統，其中該執行模組在執行一新建指令時，允許將所述影像資料集、所述人工智慧模型及所述圖形樣板拖曳至該候選區塊，以及對該候選區塊中的所述影像資料集執行一資料預處理，並且分析執行該資料預處理後的所述影像資料集的一影像特徵，再根據該影像特徵篩選該候選區塊中的所述人工智慧模型以產生新的所述推薦範本。
如請求項1之人工智慧推論可視化系統，其中該準確率低於一預設值時，載入相應的所述推薦範本以將其包含的所述影像資料集、所述人工智慧模型及所述圖形樣板顯示於該候選區塊以作為所述被拖曳單元，並且允許重新新增、刪除或調整所述拖曳單元。
一種人工智慧推論可視化方法，其步驟包括：提供至少一推薦範本、不同來源的多個影像資料集、不同辨識演算法且已訓練完成的多個人工智慧模型及多個圖形樣板，其中，所述推薦範本包含指定的所述影像資料集、所述人工智慧模型及所述圖形樣板；於初始時，產生一圖形使用者介面以顯示所述影像資料集，並且允許將顯示的所述影像資料集拖曳至該圖形使用者介面的一候選區塊以作為一被拖曳單元；篩選出包含所述被拖曳單元的所述推薦範本，再根據篩選出的所述推薦範本載入其包含的指定所述影像資料集、所述人工智慧模型及所述圖形樣板；當觸發一執行指令時，將載入的所述影像資料集輸入至載入的所述人工智慧模型以執行一推論運算，並且根據該推論運算產生相應的一推論結果；偵測篩選出的所述推薦範本是否已存在一準確率，若是，則直接載入已存在的該準確率，若否，則計算相應該推論結果的該準確率，用以設定為篩選出的所述推薦範本的該準確率；以及使用載入的所述圖形樣板將該推論結果與直接載入或計算出的該準確率一併顯示於該圖形使用者介面。
如請求項6之人工智慧推論可視化方法，其中所述推薦範本更包含相應的一歷史紀錄，該歷史紀錄包含以所述人工智慧模型辨識所述影像資料集的一辨識速度及該準確率，並且允許根據所述影像資料集、該辨識速度及該準確率調整所述推薦範本中的所述人工智慧模型，再將調整結果顯示於該圖形使用者介面。
如請求項6之人工智慧推論可視化方法，其中該候選區塊允許以拖曳方式重新調整所述影像資料集與所述人工智慧模型之間的一資料連結關係，並且根據該資料連結關係重新執行該推論運算。
如請求項6之人工智慧推論可視化方法，其中該方法更包含在執行一新建指令時，允許將所述影像資料集、所述人工智慧模型及所述圖形樣板拖曳至該候選區塊，以及對該候選區塊中的所述影像資料集執行一資料預處理，並且分析執行該資料預處理後的所述影像資料集的一影像特徵，再根據該影像特徵篩選該候選區塊中的所述人工智慧模型以產生新的所述推薦範本的步驟。
如請求項6之人工智慧推論可視化方法，其中該準確率低於一預設值時，載入相應的所述推薦範本以將其包含的所述影像資料集、所述人工智慧模型及所述圖形樣板顯示於該候選區塊以作為所述被拖曳單元，並且允許重新新增、刪除或調整所述拖曳單元。