Roboflow कस्टम मेटाडेटा

Roboflow Model Monitoring डैशबोर्ड में कस्टम मेटाडेटा जोड़ें।

Roboflow Model Monitoring डैशबोर्ड में predictions से inference IDs निकालकर और name-value pairs जोड़कर inference परिणामों में custom metadata fields संलग्न करें, जिससे monitoring workflows, production analytics, और model performance tracking के लिए inference डेटा की filtering, analysis, और organization संभव हो।

यह ब्लॉक कैसे काम करता है

यह ब्लॉक Roboflow Model Monitoring में संग्रहीत inference परिणामों में custom metadata जोड़ता है, जिससे आप filtering और analysis के लिए predictions में contextual information संलग्न कर सकते हैं। यह ब्लॉक:

1. मॉडल predictions और metadata configuration प्राप्त करता है:

   • किसी भी समर्थित मॉडल प्रकार (object detection, instance segmentation, keypoint detection, या classification) से predictions लेता है

   • संलग्न किए जाने वाले custom metadata के लिए field name और field value प्राप्त करता है

   • execution mode के लिए fire-and-forget flag स्वीकार करता है

2. Roboflow API key को मान्य करता है:

   • यह जाँचता है कि एक वैध Roboflow API key उपलब्ध है (API access के लिए आवश्यक)

   • यदि API key मौजूद नहीं है, तो उसे प्राप्त करने के निर्देशों के साथ एक त्रुटि उत्पन्न करता है

3. predictions से inference IDs निकालता है:

   • supervision Detections objects के लिए: data dictionary से inference IDs निकालता है

   • classification predictions के लिए: prediction dictionary से inference ID निकालता है

   • वे सभी unique inference IDs एकत्र करता है जिनमें metadata संलग्न करना है

   • उन मामलों को संभालता है जहाँ कोई inference IDs नहीं मिलतीं (error message लौटाता है)

4. workspace जानकारी प्राप्त करता है:

   • प्रदान की गई API key का उपयोग करके Roboflow API से workspace ID प्राप्त करता है

   • workspace lookup के लिए बार-बार API calls से बचने हेतु caching (15 मिनट की समाप्ति) का उपयोग करता है

   • API key के MD5 hash को cache key के रूप में उपयोग करके workspace नाम कैश करता है

5. API के माध्यम से custom metadata जोड़ता है:

   • प्रत्येक inference ID में custom metadata field संलग्न करने के लिए Roboflow API को कॉल करता है

   • field name और field value को inference परिणामों के साथ संबद्ध करता है

   • Model Monitoring डैशबोर्ड में metadata filtering और analysis के लिए उपलब्ध हो जाता है

6. सिंक्रोनस या असिंक्रोनस रूप से निष्पादित करता है:

   • असिंक्रोनस मोड (fire_and_forget=True): कार्य को background thread pool या FastAPI background tasks में भेजता है, जिससे workflow API call के पूरा होने की प्रतीक्षा किए बिना जारी रह सकता है

   • सिंक्रोनस मोड (fire_and_forget=False): API call के पूरा होने तक प्रतीक्षा करता है और तत्काल स्थिति लौटाता है, debugging और error handling के लिए उपयोगी

7. स्थिति जानकारी लौटाता है:

   • success (False) या failure (True) दर्शाने वाला error_status आउटपुट करता है

   • upload स्थिति या error विवरण के साथ message आउटपुट करता है

   • यह feedback प्रदान करता है कि metadata सफलतापूर्वक संलग्न हुआ या नहीं

यह ब्लॉक inference परिणामों में custom metadata संलग्न करने में सक्षम बनाता है, जिससे Model Monitoring डैशबोर्ड में predictions को filter और analyze करना आसान हो जाता है। उदाहरण के लिए, आप location labels, quality scores, processing flags, या कोई भी अन्य contextual information संलग्न कर सकते हैं जो आपके inference डेटा को व्यवस्थित और विश्लेषित करने में मदद करती है।

सामान्य उपयोग के मामले

• स्थान-आधारित फ़िल्टरिंग: भौगोलिक विश्लेषण और फ़िल्टरिंग के लिए inferences में location metadata संलग्न करें (उदा., inferences को "toronto", "warehouse_a", "production_line_1" जैसे location labels से tag करें), जिससे location-based monitoring workflows सक्षम होते हैं

• गुणवत्ता नियंत्रण टैगिंग: quality tracking के लिए inferences में quality या validation metadata संलग्न करें (उदा., inferences को "pass", "fail", "requires_review", "approved" के रूप में tag करें), जिससे quality control workflows सक्षम होते हैं

• संदर्भात्मक एनोटेशन: बेहतर संगठन और analysis के लिए inferences में contextual information जोड़ें (उदा., camera ID, time period, batch number, operator ID, environmental conditions के साथ tag करें), जिससे contextual analysis workflows सक्षम होते हैं

• वर्गीकरण संवर्धन: model predictions से परे inference परिणामों में custom labels या categories संलग्न करें (उदा., business logic outcomes, workflow decisions, user feedback, manual corrections के साथ tag करें), जिससे enhanced classification workflows सक्षम होते हैं

• उत्पादन विश्लेषण: operational context को दर्शाने वाले metadata को संलग्न करके production metrics track करें (उदा., shift information, production batch, equipment status, performance metrics के साथ tag करें), जिससे production analytics workflows सक्षम होते हैं

• फ़िल्टरिंग और विभाजन: data segments को दर्शाने वाले metadata को संलग्न करके Model Monitoring डैशबोर्ड में उन्नत filtering सक्षम करें (उदा., customer segment, product category, use case type, deployment environment के साथ tag करें), जिससे segmentation workflows सक्षम होते हैं

अन्य ब्लॉकों से जोड़ना

यह ब्लॉक predictions प्राप्त करता है और स्थिति जानकारी आउटपुट करता है:

• मॉडल ब्लॉकों के बाद (Object Detection Model, Instance Segmentation Model, Classification Model, Keypoint Detection Model) inference परिणामों में metadata संलग्न करने के लिए (उदा., detections में location tags जोड़ें, classifications में quality labels संलग्न करें, keypoint detections को context के साथ tag करें), जिससे model-to-metadata workflows सक्षम होते हैं

• फ़िल्टरिंग या विश्लेषण ब्लॉकों के बाद (DetectionsFilter, ContinueIf, OverlapFilter) फ़िल्टर किए गए या विश्लेषित परिणामों को metadata के साथ tag करने के लिए (उदा., filtered detections को filter criteria से tag करें, analytics results को metadata के रूप में संलग्न करें, processed results को workflow state से label करें), जिससे analysis-to-metadata workflows सक्षम होते हैं

• सशर्त निष्पादन ब्लॉकों के बाद (ContinueIf, Expression) workflow निर्णयों के आधार पर metadata संलग्न करने के लिए (उदा., decision outcomes के साथ tag करें, conditional branch labels संलग्न करें, conditions के आधार पर परिणाम चिह्नित करें), जिससे conditional-to-metadata workflows सक्षम होते हैं

• अन्य sink blocks के साथ समानांतर में metadata tagging को अन्य data storage operations के साथ संयोजित करने के लिए (उदा., dataset में upload करते समय tag करें, logging करते समय metadata संलग्न करें, webhook notifications के साथ संयोजित करें), जिससे parallel sink workflows सक्षम होते हैं

• visualization blocks से पहले या बाद में यह सुनिश्चित करने के लिए कि metadata visualization operations से पहले या बाद में संलग्न हो (उदा., visualizations को context के साथ tag करें, visualized results में metadata संलग्न करें), जिससे metadata सहित visualization workflows सक्षम होते हैं

• workflow endpoints पर workflow completion से पहले सभी inference परिणामों को metadata के साथ tag करना सुनिश्चित करने के लिए (उदा., final metadata attachment, comprehensive result tagging, complete metadata coverage), जिससे end-to-end metadata workflows सक्षम होते हैं

आवश्यकताएँ

यह ब्लॉक environment या workflow configuration में कॉन्फ़िगर की गई एक वैध Roboflow API key की आवश्यकता रखता है। Roboflow API के साथ authenticate करने और Model Monitoring सुविधाओं तक पहुँचने के लिए API key आवश्यक है। API key प्राप्त करने का तरीका जानने के लिए https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key पर जाएँ। इस ब्लॉक को ऐसी predictions की आवश्यकता होती है जिनमें inference IDs हों (predictions उन models द्वारा उत्पन्न होनी चाहिए जिनमें inference IDs शामिल हों)। समर्थित prediction प्रकार: object detection, instance segmentation, keypoint detection, और classification। API calls को अनुकूलित करने के लिए यह ब्लॉक workspace caching (15-minute expiration) का उपयोग करता है। Roboflow पर Model Monitoring के बारे में अधिक जानकारी के लिए, https://docs.roboflow.com/deployment/monitoring-and-analytics/model-monitoring देखें।

प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फील्ड: roboflow_core/roboflow_custom_metadata@v1 अपने वर्कफ़्लो में ब्लॉक को एक स्टेप के रूप में जोड़ने के लिए।

गुण

नाम	प्रकार	विवरण	संदर्भ
name	str	इस स्टेप के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..	❌
field_name	str	Roboflow Model Monitoring में बनाने के लिए custom metadata field का नाम। यह वह field name बन जाता है जिसका उपयोग Model Monitoring डैशबोर्ड में filtering और analysis के लिए किया जा सकता है। Field names वर्णनात्मक होने चाहिए और संलग्न किए जा रहे metadata के प्रकार को दर्शाना चाहिए (उदा., 'location', 'quality', 'camera_id', 'batch_number'). Field name का उपयोग metadata मानों को व्यवस्थित और वर्गीकृत करने के लिए किया जाता है..	❌
field_value	str	custom metadata field को असाइन किया जाने वाला मान। यह वास्तविक डेटा है जो inference परिणामों में संलग्न किया जाएगा और Model Monitoring डैशबोर्ड में filtering और analysis के लिए उपयोग किया जा सकता है। यह एक string literal या workflow outputs को संदर्भित करने वाला selector हो सकता है। सामान्य मान: location identifiers (उदा., 'toronto', 'warehouse_a'), quality labels (उदा., 'pass', 'fail', 'review'), identifiers (उदा., camera IDs, batch numbers), या आपके use case से संबंधित कोई अन्य contextual information..	✅
fire_and_forget	bool	Execution mode flag. जब True (डिफ़ॉल्ट) हो, तो ब्लॉक background में असिंक्रोनस रूप से चलता है, जिससे workflow API call के पूरा होने की प्रतीक्षा किए बिना processing जारी रख सकता है। इससे workflow execution तेज़ होती है, लेकिन errors तुरंत उपलब्ध नहीं होतीं। जब False हो, तो ब्लॉक सिंक्रोनस रूप से चलता है और API call के पूरा होने तक प्रतीक्षा करता है, तथा तत्काल status और error information लौटाता है। debugging और error handling के लिए False का उपयोग करें, और production workflows में True का उपयोग करें जहाँ performance प्राथमिकता होती है..	✅

यह संदर्भ कॉलम यह दर्शाता है कि प्रॉपर्टी को गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है, जो वर्कफ़्लो रनटाइम में उपलब्ध हैं। अधिक जानकारी के लिए देखें Bindings ।

रनटाइम संगतता

requires_internet - air-gapped / offline deployments : यह ब्लॉक ऐसी सेवा पर निर्भर करता है जो पूरी तरह ऑफ़लाइन / air-gapped परिनियोजनों से उपलब्ध नहीं है।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन उसके बाइंडिंग प्रकारों पर निर्भर करते हैं। जाँचें कि कौन-से बाइंडिंग प्रकार Roboflow कस्टम मेटाडेटा संस्करण में v1 है।

इनपुट और आउटपुट बाइंडिंग्स

• इनपुट

  • भविष्यवाणियाँ (Union[classification_prediction, instance_segmentation_prediction, keypoint_detection_prediction, object_detection_prediction]): Model predictions (object detection, instance segmentation, keypoint detection, or classification) जिनमें custom metadata संलग्न करना है। Predictions में inference IDs होने चाहिए, जिनका उपयोग Roboflow Model Monitoring में metadata को विशिष्ट inference परिणामों से जोड़ने के लिए किया जाता है। Inference IDs स्वचालित रूप से supervision Detections objects या classification prediction dictionaries से निकाले जाते हैं। Metadata predictions में पाए गए सभी inference IDs से संलग्न की जाएगी..

  • field_value (स्ट्रिंग): custom metadata field को असाइन किया जाने वाला मान। यह वास्तविक डेटा है जो inference परिणामों में संलग्न किया जाएगा और Model Monitoring डैशबोर्ड में filtering और analysis के लिए उपयोग किया जा सकता है। यह एक string literal या workflow outputs को संदर्भित करने वाला selector हो सकता है। सामान्य मान: location identifiers (उदा., 'toronto', 'warehouse_a'), quality labels (उदा., 'pass', 'fail', 'review'), identifiers (उदा., camera IDs, batch numbers), या आपके use case से संबंधित कोई अन्य contextual information..

  • fire_and_forget (boolean): Execution mode flag. जब True (डिफ़ॉल्ट) हो, तो ब्लॉक background में असिंक्रोनस रूप से चलता है, जिससे workflow API call के पूरा होने की प्रतीक्षा किए बिना processing जारी रख सकता है। इससे workflow execution तेज़ होती है, लेकिन errors तुरंत उपलब्ध नहीं होतीं। जब False हो, तो ब्लॉक सिंक्रोनस रूप से चलता है और API call के पूरा होने तक प्रतीक्षा करता है, तथा तत्काल status और error information लौटाता है। debugging और error handling के लिए False का उपयोग करें, और production workflows में True का उपयोग करें जहाँ performance प्राथमिकता होती है..

• आउटपुट

  • त्रुटि_स्थिति (boolean): बूलियन फ़्लैग।

  • संदेश (स्ट्रिंग): स्ट्रिंग मान।

उदाहरण JSON परिभाषा

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/roboflow_custom_metadata@v1",
	    "predictions": "$steps.object_detection.predictions",
	    "field_name": "location",
	    "field_value": "toronto",
	    "fire_and_forget": true
	}