视觉样本准备要点
样本质量直接决定检测准确率,准备环节不能省。

一、按缺陷类型分别准备
倒瓶、缺件、歪标、污渍各准备一批,混在一起会让模型学不到区分度。
二、每类的数量要够
某一类缺陷只有三五张,模型基本学不动。实际生产中比例低的缺陷,往往是最需要覆盖的。
三、样本要接近真实状态
用自然光下或正常生产状态拍到的照片,识别率才接近实际。太干净或太模糊的样本都会造成误判。
四、保留难例
容易混淆的样本单独归为一类。它们往往就是现场误报的主要来源。
五、留出验证集
训练用和验证用分开,验证集不参与训练。只有这样才能看到真实效果。
六、持续补充
新出现的缺陷形态要及时补进样本。检测能力是随着样本积累逐步提高的。样本管理建议建立固定目录,按缺陷类型分类存放,每次新增都记录来源和日期。样本库积累到一定规模之后,可以定期复盘哪些类型的误报始终没有下降,针对这些方向补样本通常比盲目增加数量更有效。产线条件变化时,也要评估是否需要重新采集样本。样本库的目录结构一次定好,之后不要再改,改一次就要重分类一次。样本采集之后先自己看一遍,明显不合格的直接剔除。每次补充样本时都写清楚来源和时间,后面回看时知道这些样本是什么时候采的、对应哪一版产品。补样本时写清来源和时间。