工業用欠陥検査の受け入れでは、見逃した欠陥品と誤って拒否された適合品の両方を検査する必要があります。全体的な精度はサンプルの組成によって異なります。適合サンプルが多数を占める場合、数値を組み合わせることにより、稀な欠陥の見逃しが隠れる可能性があります。調達または技術レビューの前に、欠陥の定義、参照ラベル、およびカウント単位について合意します。

陽性クラスとカウント単位を定義する

ここでポジティブクラスとは不良品であり、計数単位は個体品である。画像レベル、欠陥領域レベル、および製品レベルの指標は個別の定義が必要です。

参考結果 不良品が予想される 適合予測
不良品 正しい検出 TP 見逃した欠陥 FN
適合品 誤報 FP 正しい受け入れ TN

scikit-learn 混同行列の公式ドキュメント 実際のクラスと予測されたクラスごとにカウントを整理します。これは統計的な定義であり、アルゴリズムのベンチマークや機器のパフォーマンスの証拠ではありません。

すべてのレートに分母を含めます

この 2 値の定義内で、見逃した欠陥率は次のようになります。 FN / (TP + FN) 適合品の誤警報率は FP / (FP + TN)。分母が 0、対応する欠陥メトリックは未定義です。レポートには、数、サンプル構成、欠陥カテゴリ、評価範囲をリストする必要があります。

ぼやけた画像、位置合わせの失敗、未確認の参照ラベルは、レビューが必要な別のケースとして記録します。受け入れ分母における彼らの扱いについて事前に同意します。報告された結果を改善するために困難なケースを削除することは不適切です。

検証データを使用して調整し、受け入れテストを実行します

サンプルの産地、バッチ、製品タイプ、イメージング条件、ラベルのバージョン、データの目的を記録します。しきい値、地域、またはモデルを変更した後、ミスと誤ったアラームを再チェックします。チューニングに使用されるデータは、独立した受け入れ証拠ではありません。同じ製品の繰り返し画像は、独立した製品サンプルではありません。

合格条件には、欠陥の範囲、重大度、境界例、レビュー手順、処理サイクル タイムも必要です。しきい値とメトリクスには、ターゲット サンプルでのテストが必要です。この記事では評価方法について解説します。機器の検査結果は対象外です。

関連サービス: ビジョンアルゴリズムとモデルエンジニアリング そして プロジェクトのお問い合わせ.