AI 驱动文档
您想了解什么？
持续改进您的模型
时间：5 分钟（阅读）
您的检测已部署。随着条件变化、出现新缺陷类型或规格演变，如何确保其持续保持良好性能？
库：您的持续改进工具
每次相机拍摄的捕获都会保存在 库 中，并附有 AI 的预测和置信度分数。这是进行改进的宝贵资源。
找出 AI 预测错误的地方
- 前往 库
- 浏览最近的捕获
- 查找两项：
- Misses（漏判）：AI 的预测明显错误的图像（每个缩略图左上角的复选框）
- Low-confidence predictions（低置信度预测）：在任意图像向下滚动以查看置信度值。低置信度 = AI 不确定
使用定向数据重新训练
- 选择 AI 预测错误或不确定的图像
- 点击 "Add to Active Recipe Train Set"
- 如有需要，修正标签
- 点击 Retrain
聚焦于漏判和低置信度捕获，而不是随机的新数据。这是提升效率最高的方法。
使用 Metadata Viewer 查看保存的图像
如果您需要查看 AI 在特定图像上的精确预测，请将保存的 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个捕获的图像中。
分类器改进工作流
- 查看库中的图像 → 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 以可视化方式分析数据并在大规模数据中发现错误标注的图像
分割器改进工作流
OV10i 仅支持分类器
下方的分割器工作流适用于 OV20i 和 OV80i。如果您需要像素级缺陷检测，请考虑升级到 OV20i 或 OV80i。有关如何选择，请参阅 Classifier vs. Segmenter 以获取帮助。
分割器进行标注需要更长时间（像素级注释），因此有一个快捷方法：
- 将有问题的图像导入到 segmentation recipe
- 点击 Generate Predictions，让模型尽可能地对新图像进行预标注
- Fix the predictions，避免从头标注（速度要快得多）
- 重新训练
理念
- 永不停息地迭代。 AI 具有很高的学习能力，随着 50、100 甚至 500 张及以上的图像不断改进
- 有针对性地定位失败。 不要随机添加数据。请添加 AI 难以处理的情况
- 定期检查错误标注。 随着数据集增长，误标注变得更难发现，但仍会损害精度
使用 GenAI 工具加速
在 [tools.overview.ai] 的三款 AI 驱动工具可显著加速您的改进循环：
- Defect Studio — 生成高写实的合成缺陷图像，速度比等待真实缺陷快高达 10,000 倍
- Integration Builder — 通过简单英文描述构建面向生产的 Node-RED 流程
- AI Expert Helper — 针对任何相机问题获得 24/7 专家指导
GenAI 工具包的优势
这三种工具可以将部署时间从数日缩短到数小时。生成合成的训练数据，而非等待真实缺陷；通过描述所需内容来构建集成；无需等待技术支持单即可获得即时专家指导。