산업 결함 검사 승인에서는 누락된 결함 품목과 부적절하게 거부된 적합 품목을 모두 검사해야 합니다. 전반적인 정확도는 샘플 구성에 따라 달라집니다. 합당한 샘플이 지배적일 때 결합된 수치는 누락된 희귀 결함을 숨길 수 있습니다. 조달 또는 기술 검토 전에 결함 정의, 참조 라벨 및 계산 단위에 동의하십시오.

포지티브 클래스 및 계산 단위 정의

여기서 양성 클래스는 불량품이고, 계수 단위는 개별 제품입니다. 이미지 수준, 결함 지역 수준 및 제품 수준 지표에는 별도의 정의가 필요합니다.

참고결과 결함이 있을 것으로 예상됨 예측된 적합성
불량품 올바른 감지 TP 누락된 결함 FN
적합품목 허위 경보 FP 올바른 수용 TN

공식 scikit-learn 혼동 행렬 문서 실제 클래스와 예측 클래스별로 개수를 구성합니다. 이는 알고리즘 벤치마크나 장비 성능의 증거가 아닌 통계적 정의입니다.

모든 요율에 분모를 포함하세요.

이 이진 정의 내에서 누락된 결함 비율은 다음과 같습니다. FN / (TP + FN) 적합 품목에 대한 허위 경보율은 다음과 같습니다. FP / (FP + TN). 분모가 0, 해당 결함 측정항목은 정의되지 않습니다. 보고서에는 개수, 샘플 구성, 결함 카테고리 및 평가 범위가 나열되어야 합니다.

흐릿한 이미지, 정렬 실패 및 확인되지 않은 참조 라벨을 검토가 필요한 별도의 사례로 기록합니다. 수용 분모의 처리에 대해 미리 동의하십시오. 보고된 결과를 개선하기 위해 어려운 사례를 제거하는 것은 부적절합니다.

검증 데이터를 사용하여 조정한 후 승인 테스트를 수행합니다.

샘플 원산지, 배치, 제품 유형, 이미징 조건, 라벨 버전 및 데이터 목적을 유지하십시오. 임계값, 지역 또는 모델을 변경한 후 누락 및 잘못된 경보를 다시 확인하세요. 튜닝에 사용된 데이터는 독립적인 승인 증거가 아닙니다. 동일한 상품의 반복 이미지는 독립된 상품 샘플이 아닙니다.

승인 조건에는 결함 범위, 심각도, 경계선 사례, 검토 절차 및 처리 주기 시간도 필요합니다. 임계값과 측정항목은 대상 샘플에 대한 테스트가 필요합니다. 이 기사에서는 평가 방법을 설명합니다. 장비 검사 결과는 해당 범위를 벗어납니다.

관련 서비스: 비전 알고리즘 및 모델 엔지니어링 그리고 프로젝트 문의.