Cải thiện việc kiểm tra tầm nhìn AI bằng các ví dụ sản xuất

Bắt đầu với hình ảnh đằng sau kết quả

Khi một chi tiết tốt bị từ chối, hãy giữ lại hình ảnh và kiểm tra xem công cụ nào tạo ra kết quả. Bộ phận đó có được tìm thấy đúng chỗ không? Tính năng được kiểm tra có được chú ý không? Có phải sự phản chiếu đã che khuất nhãn hiệu? Sự cố hình ảnh có thể trông giống như sự cố mô hình, vì vậy hãy kiểm tra chế độ xem camera trước khi thêm dữ liệu huấn luyện khác.

Đối với lỗi bị bỏ sót, hãy so sánh khu vực được kiểm tra với tính năng vật lý lẽ ra bị lỗi. Lỗi bên ngoài khu vực đó sẽ không được khắc phục bằng cách thay đổi ngưỡng phân loại. Thiết lập kết quả mong đợi với nhóm chất lượng, bao gồm mọi mẫu giới hạn, để thay đổi tiếp theo có mục đích rõ ràng.

Cùng nhau xem lại các ví dụ liên quan

Thư viện hình ảnh của Spark cung cấp cho bạn một nơi để xem lại các ví dụ đằng sau kết quả kiểm tra. Tập hợp các hình ảnh về hành vi bạn muốn cải thiện, kiểm tra các tính năng liên quan và sửa nhãn trước khi sử dụng chúng cho mục đích đào tạo. Các ví dụ sản xuất đưa các bộ phận, hoàn thiện và điều kiện ánh sáng thực tế vào tác phẩm đó.

So sánh những hình ảnh rắc rối với những phần tương tự đã được kiểm tra chính xác. Bạn có thể tìm thấy một vị trí bộ phận cụ thể, lớp hoàn thiện mới của nhà cung cấp hoặc ký tự in gây rắc rối. Việc xem xét chúng cùng nhau giúp bạn chọn bước tiếp theo hữu ích và tránh bắt đầu một tập huấn luyện mới từ đầu mỗi khi thay đổi quá trình sản xuất.

Thực hiện thay đổi để giải quyết lỗi

Các công cụ được hỗ trợ cung cấp cho bạn những cách khác nhau để hành động theo những gì bạn tìm thấy. Thêm các ví dụ được gắn nhãn khi mô hình chưa thấy hình thức sản xuất hợp lệ. Hướng dẫn người chỉnh răng biết ứng viên nào phù hợp khi vị trí không đáng tin cậy. Điều chỉnh vùng OCR khi ký tự nằm ngoài vùng đó. Hình ảnh hướng bạn tới sự thay đổi nhằm giải quyết sự thất bại.

Đặt câu hỏi cho Sparky về hình ảnh và kết quả trong Thư viện để hỗ trợ cho bài đánh giá của bạn. Nhóm của bạn quyết định xem bước tiếp theo là điều chỉnh hình ảnh, thay đổi quy tắc hay đào tạo lại. Ghi lại sự thay đổi và xác nhận nó dựa trên các mẫu riêng biệt trước khi phát hành.

Nhập các ví dụ đã được đánh giá trực tiếp từ Thư viện hoặc máy tính của bạn vào một công cụ dưới dạng hình ảnh đào tạo hoặc mẫu. Để có các bản ghi dài hạn hơn, hãy gửi ảnh chụp kèm chú thích và kết quả công cụ tới bộ lưu trữ FTP, SFTP hoặc SMB, đồng thời lên lịch sao lưu công thức hàng ngày hoặc hàng tuần.

Kiểm tra cải tiến trên các mẫu riêng biệt

Giữ hình ảnh đánh giá tách biệt với các ví dụ được sử dụng để huấn luyện mô hình. Bao gồm vấn đề mới, biến thể bình thường trong sản xuất và các lỗi đã biết mà quá trình kiểm tra đã xử lý. Một sự thay đổi chấp nhận phần tốt rắc rối cũng phải bảo toàn sự từ chối những phần thực sự có khiếm khuyết.

Xem xét riêng các lỗi bị loại bỏ và lỗi bị bỏ sót, sử dụng số lượng và ví dụ thay vì chỉ sử dụng con số có độ chính xác tổng thể. Nếu có nhiều SKU sử dụng tính năng kiểm tra, hãy đánh giá từng SKU. Sau khi kiểm tra hình ảnh đáp ứng yêu cầu của bạn, hãy chạy kiểm tra đã thay đổi trong điều kiện dòng dự kiến ​​và làm theo quy trình phát hành của bạn. Các ví dụ sản xuất khác có thể cung cấp thông tin cho một đánh giá khác; cập nhật mô hình vẫn là một hành động có chủ ý.