持續改進您的模型

您的檢查已部署。那麼，當條件變化、出現新的缺陷型別或規格演變時，如何保持其良好效能？

庫：您的持續改進工具

相機捕獲的每張影象都會儲存在庫中，同時附帶 AI 的預測結果和置信度分數。這是您改進模型的金礦。

找出 AI 判斷錯誤的地方

1. 進入庫
2. 瀏覽最近的捕獲
3. 查詢兩類內容：
   • 漏檢： AI 預測明顯錯誤的影象（每張縮圖左上角的覈取方塊）
   • 低置信度預測： 在任意影象上向下滾動可檢視置信度值。低置信度 = AI 不確定

使用針對性資料重新訓練

1. 選擇 AI 判斷錯誤或不確定的影象
2. 點選 "Add to Active Recipe Train Set"
3. 如有需要，修正標籤
4. 點選重新訓練

重點關注漏檢和低置信度的捕獲，而不是隨機的新資料。這是最高效的改進方式。

使用 Metadata Viewer 檢查已儲存的影象

如果您需要檢視 AI 在特定影象上的具體預測結果，可將儲存的 JPEG 上傳到 Metadata Viewer。OV 相機會將預測結果、置信度分數和相機設定直接嵌入到每張捕獲的影象中。

分類器改進工作流程

1. 審查庫中的影象 → 找出錯誤和低置信度的預測
2. 將它們新增到訓練集
3. 如有需要重新標註
4. 重新訓練
5. 使用 Haystack 直觀地探索資料，大規模地發現錯誤標註的影象

分割器改進工作流程

分割器的標註耗時更長（畫素級標註），因此有一個捷徑：

1. 將問題影象匯入到分割程式中
2. 點選 Generate Predictions，讓模型儘可能地為新影象預先標註
3. 修正預測結果，而不是從頭開始標註（速度快得多）
4. 重新訓練

理念

• 持續迭代。 AI 具有很強的學習能力，隨著資料達到 50、100 甚至 500+ 張影象，它會不斷改進
• 針對失敗案例。 不要隨意新增資料。新增 AI 難以處理的案例
• 定期檢查錯誤標籤。 隨著資料集的增長，錯誤標籤會越來越難以發現，但仍會損害準確率

使用 GenAI 工具加速

tools.overview.ai 上的三款 AI 驅動工具可以顯著加快您的改進週期：

• Defect Studio —— 生成逼真的合成缺陷影象，速度比等待真實缺陷快達 10,000 倍
• Integration Builder —— 根據簡單的英文描述構建可用於生產環境的 Node-RED 流程
• AI Expert Helper —— 全天候獲取相機相關問題的專家指導

GenAI 工具包的優勢

這三款工具的組合可將您的部署時間從數天縮短到數小時。生成合成訓練資料，而不是等待真實缺陷；通過描述需求構建整合；無需等待支援工單即可獲得即時專家指導。

→ 檢視完整的 GenAI 工具包指南