少量正常圖片可以支援影像存取、定位、成像差異和候選路線的初步評估,但不足以確認真實缺陷的檢出能力或完整驗收範圍。沒有真實缺陷樣本時,應把漏檢相關結論保留為未驗證。

正常樣本能夠支持什麼

可以檢查格式、清晰度、光照、位置變化和正常紋理,也可以在這些已提供圖片上觀察候選方法的誤報。此觀察只對應已提供樣本,無法直接外推到所有合格品、批次或生產時段。

還需要補上哪些資料

輸入 用途
缺陷類別、尺寸及判定規則 明確需要檢出的對象
真實缺陷和邊緣樣本 檢查缺陷覆蓋與漏檢
不同批次與正常差異 檢查合格品誤報
影像異常和定位失敗樣本 約定待覆核及失敗狀態
獨立驗收資料與條件 形成對應範圍內的驗收記錄

無缺陷訓練是否免除缺陷驗收

即使候選異常檢測路線可以主要使用正常樣本訓練,仍需以符合業務定義的真實缺陷與獨立資料驗證檢出能力。合成缺陷可輔助分析,但不能自動取代所有真實缺陷或現場條件。

資料不足時如何開始

先限定型號、成像條件及試點目標,輸出樣本缺口、候選路線及測試計畫。交付記錄中分別標明已檢查內容和未驗證範圍。待樣本補齊後再約定驗收結論,不把初步示範寫成完整檢測通過。

相關服務:視覺演算法與模型工程、專案諮詢。