AI 驱动文档
您想了解什么？
持续提升您的模型性能
您的检测系统已部署。随着条件变化、出现新的缺陷类型或规格变更，如何保持其性能持续良好？
库：您的持续改进工具
摄像机拍摄的每一张捕获都会保存在库，以及 AI 的预测和置信度分数。这是您改进的宝贵数据源。
找出 AI 预测错误的地方
- 打开 库
- 浏览最近的捕获
- 查找两项内容：
- 漏检（Misses）：AI 的预测明显错误的图像（每个缩略图左上角的复选框）
- 低置信度预测：在任意图像向下滚动查看置信度值。低置信度 = AI 不确定
针对性数据重新训练
- 选择 AI 预测错误或不确定的图像
- 点击 “添加到 Active Recipe Train Set（活动配方训练集）”
- 如有需要，修正标签
- 点击 重新训练
专注于漏检和低置信度捕获，而非随机的新数据。这是提高性能的最高效方法。
使用 Metadata Viewer 查看保存的图像
如果您需要查看 AI 在特定图像上的确切预测，请将保存的 JPEG 上传到 Metadata Viewer。OV 相机将预测结果、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
- 审查库中的图像 → 找出错误和低置信度预测
- 将它们添加到训练集
- 如有需要，重新标注
- 重新训练
- 使用 Haystack 进行数据可视化分析，在大规模数据集中发现标注错误的图像
分割器改进工作流程
OV10i 仅支持分类器
下面的分割器工作流程适用于 OV20i 和 OV80i。若您需要像素级缺陷检测，请考虑升级到 OV20i 或 OV80i。有关帮助决定，请参阅 Classifier vs. Segmenter
分割器需要更长时间进行标注（像素级注释），因此有一个快捷方式：
- 将问题图像导入分割配方
- 点击 Generate Predictions，让模型尽可能地对新图像进行预标注
- 修正预测，而不是从头开始标注（速度更快）
- 重新训练
理念
- 永不停歇迭代。 AI 具有很高的学习能力，随着 50、100，甚至 500 张以上图像的加入，持续改进
- 有针对性地定位失败。 不要随机添加数据；只添加 AI 处理困难的案例
- 定期检查错误标注。 随着数据集的增长，错误标注变得更难发现，但仍会损害准确性
与 GenAI 工具一起加速
三款 AI 驱动工具，位于 tools.overview.ai，可以显著加速您的改进循环：
- Defect Studio -- 生成高保真度的合成缺陷图像，速度比等待真实缺陷快高达 10,000 倍
- Integration Builder -- 根据简单英文描述构建生产就绪的 Node-RED 流程
- AI Expert Helper -- 24/7 就任何相机问题提供专家指导
GenAI 工具包的优势
这三款工具将把部署时间从天级缩短到小时级。生成合成训练数据，而不是等待真实缺陷；通过描述您需要的功能来构建集成；无需等待支持工单，即可获得即时专家指导。