工業缺陷檢測驗收需要同時管理漏檢和誤報

工業缺陷檢測驗收需要同時檢查缺陷是否被漏掉，以及合格品是否被誤判。整體準確率會受到樣本組成影響；當合格樣本佔多數時，單一合計值可能會掩蓋少數缺陷的漏檢。採購與技術評審應先約定瑕疵定義、參考標註及統計單位。

先說明正類和計數方式

以下以缺陷品為正類，統計單位為單件產品。影像級、缺陷區域級及產品級指標應分別說明，且不能直接混用。

scikit-learn混淆矩陣官方說明按實際類別和預測類別組織計數。此處借用此統計定義，不引用演算法跑分或將軟體文件當作設備效果證明。

指標必須帶分母

在上述二分類範圍內，漏檢率可寫為 FN / (TP + FN)，合格品誤報率可寫為 FP / (FP + TN)。分母為 0 時，該項缺陷指標無定義。報告應同時列出計數、樣本組成、缺陷類別和統計範圍。

模糊影像、定位失敗或參考標註未確認的樣本應單獨登記待複核數量和處理方式。是否納入最終驗收分母需事先約定，無法透過刪除難例使結果顯得更好。

用驗證集確定閾值，再進行驗收

保存樣本來源、批次、型號、成像條件、標註版本和資料用途。調整閾值、區域或模型後，重新檢查漏檢與誤報；用於調整的資料不能直接冒充獨立驗收資料。重複拍攝同一件產品也不應被當作互相獨立的產品樣本。

驗收條件還應包括適用缺陷、嚴重程度、邊緣樣本、複核流程和處理節拍。實際閾值及指標需要目標樣本測試，本文不報告任何設備的檢測通過結果。

相關服務：視覺演算法與模型工程、專案諮詢。