รูปภาพปกติชุดเล็กๆ สามารถรองรับการตรวจสอบอินพุตรูปภาพ การจัดแนว รูปแบบรูปภาพ และวิธีการเลือกเบื้องต้นได้ หลักฐานไม่เพียงพอเกี่ยวกับประสิทธิภาพการตรวจจับข้อบกพร่องจริงหรือความครอบคลุมในการยอมรับโดยสมบูรณ์ หากไม่มีตัวอย่างที่มีข้อบกพร่องจริง ให้ทำเครื่องหมายข้อสรุปที่พลาดไปว่าไม่ได้รับการยืนยัน
ตัวอย่างปกติสามารถรองรับอะไรได้บ้าง
ตรวจสอบรูปแบบ ความคมชัด แสง ความแปรผันของสถานที่ และพื้นผิวปกติ นอกจากนี้ยังสามารถสังเกตการแจ้งเตือนที่ผิดพลาดของวิธีผู้สมัครได้ในภาพที่ให้มาด้วย ข้อสังเกตเหล่านั้นนำไปใช้กับตัวอย่างที่ให้มา พวกเขาไม่ได้กำหนดพฤติกรรมโดยตรงสำหรับสินค้า ชุดงาน หรือระยะเวลาการผลิตที่สอดคล้องทุกรายการ
จำเป็นต้องมีอินพุตเพิ่มเติม
| ป้อนข้อมูล | วัตถุประสงค์ |
|---|---|
| ระดับข้อบกพร่อง ขนาด และเกณฑ์การตัดสินใจ | กำหนดสิ่งที่จะต้องตรวจพบ |
| ตัวอย่างที่มีข้อบกพร่องจริงและอยู่ในขอบเขต | ตรวจสอบความคุ้มครองข้อบกพร่องและพลาด |
| ชุดงานที่แตกต่างกันและการแปรผันปกติ | ตรวจสอบการแจ้งเตือนที่ผิดพลาดในรายการที่สอดคล้อง |
| รูปภาพที่ใช้ไม่ได้และตัวอย่างการจัดตำแหน่งล้มเหลว | กำหนดสถานะที่ต้องตรวจทานและความล้มเหลว |
| ข้อมูลและเงื่อนไขการยอมรับที่เป็นอิสระ | จัดทำบันทึกการยอมรับตามขอบเขตที่ระบุ |
การฝึกอบรมแบบปกติเท่านั้นจะขจัดความจำเป็นในการทดสอบข้อบกพร่องหรือไม่
แม้ว่าวิธีการตรวจจับความผิดปกติที่ผู้สมัครทดสอบจะฝึกกับตัวอย่างปกติเป็นหลัก แต่ข้อบกพร่องจริงที่ตรงกับคำจำกัดความทางธุรกิจและข้อมูลอิสระก็ยังจำเป็นต้องใช้ในการตรวจสอบประสิทธิภาพการตรวจจับ ข้อบกพร่องสังเคราะห์สามารถช่วยในการวิเคราะห์ได้ พวกเขาไม่ได้แทนที่ข้อบกพร่องที่แท้จริงหรือสภาพสนามทั้งหมดโดยอัตโนมัติ
เริ่มจากข้อมูลที่ไม่สมบูรณ์
จำกัดประเภทผลิตภัณฑ์ เงื่อนไขการถ่ายภาพ และวัตถุประสงค์นำร่องก่อน จัดส่งรายการช่องว่างตัวอย่าง เส้นทางผู้สมัคร และแผนการทดสอบ บันทึกเนื้อหาที่ตรวจสอบแยกจากขอบเขตที่ไม่ได้รับการยืนยัน สร้างข้อสรุปการยอมรับหลังจากส่งตัวอย่างที่ขาดหายไปแล้ว การสาธิตครั้งแรกไม่ใช่หลักฐานว่าผ่านการตรวจสอบโดยสมบูรณ์
บริการที่เกี่ยวข้อง: อัลกอริธึมการมองเห็นและวิศวกรรมแบบจำลอง และ สอบถามข้อมูลโครงการ.