AI 驅動文件
您想了解什麼？
持續提升您的模型效能
您的檢測系統已部署。隨著條件變化、出現新的缺陷型別或規格變更，如何保持其效能持續良好？
庫：您的持續改進工具
攝像機拍攝的每一張捕獲都會儲存在庫，以及 AI 的預測和置信度分數。這是您改進的寶貴資料來源。
找出 AI 預測錯誤的地方
- 開啟 庫
- 瀏覽最近的捕獲
- 查詢兩項內容：
- 漏檢（Misses）：AI 的預測明顯錯誤的影象（每個縮圖左上角的覈取方塊）
- 低置信度預測：在任意影象向下滾動檢視置信度值。低置信度 = AI 不確定
針對性資料重新訓練
- 選擇 AI 預測錯誤或不確定的影象
- 點選 “新增到 Active Recipe Train Set（活動配方訓練集）”
- 如有需要，修正標籤
- 點選 重新訓練
專注於漏檢和低置信度捕獲，而非隨機的新資料。這是提高效能的最高效方法。
使用 Metadata Viewer 檢視儲存的影象
如果您需要檢視 AI 在特定影象上的確切預測，請將儲存的 JPEG 上傳到 Metadata Viewer。OV 相機將預測結果、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
- 審查庫中的影象 → 找出錯誤和低置信度預測
- 將它們新增到訓練集
- 如有需要，重新標註
- 重新訓練
- 使用 Haystack 進行資料視覺化分析，在大規模資料集中發現標註錯誤的影象
分割器改進工作流程
OV10i 僅支援分類器
下面的分割器工作流程適用於 OV20i 和 OV80i。若您需要畫素級缺陷檢測，請考慮升級到 OV20i 或 OV80i。有關幫助決定，請參閱 Classifier vs. Segmenter
分割器需要更長時間進行標註（畫素級註釋），因此有一個快捷方式：
- 將問題影象匯入分割配方
- 點選 Generate Predictions，讓模型儘可能地對新影象進行預標註
- 修正預測，而不是從頭開始標註（速度更快）
- 重新訓練
理念
- 永不停歇迭代。 AI 具有很高的學習能力，隨著 50、100，甚至 500 張以上影象的加入，持續改進
- 有針對性地定位失敗。 不要隨機新增資料；只新增 AI 處理困難的案例
- 定期檢查錯誤標註。 隨著資料集的增長，錯誤標註變得更難發現，但仍會損害準確性
與 GenAI 工具一起加速
三款 AI 驅動工具，位於 tools.overview.ai，可以顯著加速您的改進迴圈：
- Defect Studio -- 生成高保真度的合成缺陷影象，速度比等待真實缺陷快高達 10,000 倍
- Integration Builder -- 根據簡單英文描述構建生產就緒的 Node-RED 流程
- AI Expert Helper -- 24/7 就任何相機問題提供專家指導
GenAI 工具包的優勢
這三款工具將把部署時間從天級縮短到小時級。生成合成訓練資料，而不是等待真實缺陷；透過描述您需要的功能來構建整合；無需等待支援工單，即可獲得即時專家指導。