Bij de acceptatie van inspecties voor industriële defecten moeten zowel gemiste defecte artikelen als conforme artikelen worden onderzocht die ten onrechte zijn afgewezen. De algehele nauwkeurigheid hangt af van de monstersamenstelling. Een gecombineerd figuur kan gemiste zeldzame defecten verbergen wanneer conforme monsters domineren. Maak vóór de aanschaf of technische beoordeling overeenstemming over defectdefinities, referentielabels en de teleenheid.
Definieer de positieve klasse en teleenheid
Hier is de positieve klasse een defect artikel en de teleenheid een individueel product. Statistieken op afbeeldingsniveau, defectregioniveau en productniveau hebben afzonderlijke definities nodig.
| Referentie resultaat | Voorspeld defect | Voorspeld conformeren |
|---|---|---|
| Defect artikel | Correcte detectie TP |
Gemist defect FN |
| Conform artikel | Vals alarm FP |
Correcte acceptatie TN |
Officiële scikit-learn verwarring-matrix documentatie organiseert tellingen op basis van werkelijke en voorspelde klassen. Dit is een statistische definitie, geen algoritmebenchmark of bewijs van de prestaties van apparatuur.
Vermeld bij elk tarief de noemer
Binnen deze binaire definitie is het percentage gemiste defecten gelijk FN / (TP + FN) en het percentage valse alarmen bij conforme items is dat ook FP / (FP + TN). Als de noemer dat is 0, is de overeenkomstige defectmetriek ongedefinieerd. Het rapport moet het aantal aantallen, de samenstelling van het monster, de defectcategorieën en de reikwijdte van de evaluatie vermelden.
Leg onscherpe beelden, mislukte uitlijningen en onbevestigde referentielabels vast als afzonderlijke gevallen die moeten worden beoordeeld. Maak vooraf afspraken over de behandeling ervan in acceptatienoemers. Het verwijderen van moeilijke gevallen om het gerapporteerde resultaat te verbeteren is ongepast.
Stem af met behulp van validatiegegevens en voer vervolgens acceptatietests uit
Bewaar de herkomst van het monster, de batch, het producttype, de beeldomstandigheden, de labelversie en het gegevensdoel. Controleer fouten en valse alarmen opnieuw na het wijzigen van drempelwaarden, regio's of modellen. Gegevens die worden gebruikt voor afstemming zijn geen onafhankelijk acceptatiebewijs. Herhaalde afbeeldingen van hetzelfde product zijn geen onafhankelijke productmonsters.
Acceptatievoorwaarden hebben ook betrekking op de omvang, ernst, grensgevallen, beoordelingsprocedures en verwerkingscyclustijd van defecten. Drempels en statistieken vereisen testen op doelmonsters. In dit artikel wordt een evaluatiemethode uitgelegd. De resultaten van apparatuurinspecties vallen buiten het bereik ervan.
Gerelateerde diensten: vision-algoritmen en modelengineering En projectaanvragen.