持续改进您的模型

您的检查已部署。那么，当条件变化、出现新的缺陷类型或规格演变时，如何保持其良好性能？

库：您的持续改进工具

相机捕获的每张图像都会保存在库中，同时附带 AI 的预测结果和置信度分数。这是您改进模型的金矿。

找出 AI 判断错误的地方

1. 进入库
2. 浏览最近的捕获
3. 查找两类内容：
   • 漏检： AI 预测明显错误的图像（每张缩略图左上角的复选框）
   • 低置信度预测： 在任意图像上向下滚动可查看置信度值。低置信度 = AI 不确定

使用针对性数据重新训练

1. 选择 AI 判断错误或不确定的图像
2. 点击 "Add to Active Recipe Train Set"
3. 如有需要，修正标签
4. 点击重新训练

重点关注漏检和低置信度的捕获，而不是随机的新数据。这是最高效的改进方式。

使用 Metadata Viewer 检查已保存的图像

如果您需要查看 AI 在特定图像上的具体预测结果，可将保存的 JPEG 上传到 Metadata Viewer。OV 相机会将预测结果、置信度分数和相机设置直接嵌入到每张捕获的图像中。

分类器改进工作流程

1. 审查库中的图像 → 找出错误和低置信度的预测
2. 将它们添加到训练集
3. 如有需要重新标注
4. 重新训练
5. 使用 Haystack 直观地探索数据，大规模地发现错误标注的图像

分割器改进工作流程

分割器的标注耗时更长（像素级标注），因此有一个捷径：

1. 将问题图像导入到分割程序中
2. 点击 Generate Predictions，让模型尽可能地为新图像预先标注
3. 修正预测结果，而不是从头开始标注（速度快得多）
4. 重新训练

理念

• 持续迭代。 AI 具有很强的学习能力，随着数据达到 50、100 甚至 500+ 张图像，它会不断改进
• 针对失败案例。 不要随意添加数据。添加 AI 难以处理的案例
• 定期检查错误标签。 随着数据集的增长，错误标签会越来越难以发现，但仍会损害准确率

使用 GenAI 工具加速

tools.overview.ai 上的三款 AI 驱动工具可以显著加快您的改进周期：

• Defect Studio —— 生成逼真的合成缺陷图像，速度比等待真实缺陷快达 10,000 倍
• Integration Builder —— 根据简单的英文描述构建可用于生产环境的 Node-RED 流程
• AI Expert Helper —— 全天候获取相机相关问题的专家指导

GenAI 工具包的优势

这三款工具的组合可将您的部署时间从数天缩短到数小时。生成合成训练数据，而不是等待真实缺陷；通过描述需求构建集成；无需等待支持工单即可获得即时专家指导。

→ 查看完整的 GenAI 工具包指南