设置合理的 OK/NG 结果阈值

您正在查看最新版本(V2.6.0)的文档。如果您想查阅其他版本的文档,可以点击页面右上角“切换版本”按钮进行切换。

■ 如果您不确定当前使用的产品是哪个版本,请随时联系梅卡曼德技术支持。

“非监督分割”算法模块对于 OK、NG 及 Unknown 结果的判定取决于对缺陷度统计图设定的阈值,且 OK 结果的阈值越大,识别的缺陷区域越小,需要根据实际情况设置合理的阈值,使模型实现最佳性能。

原图 OK 结果阈值:0.10 OK 结果阈值:0.20

original image

OK threshold 2

OK threshold 1

在缺陷度统计图中,绿色曲线的纵坐标表示在验证集中,缺陷度高于横坐标对应缺陷度的 OK 图像占所有 OK 图像的比例。红色曲线的纵坐标表示在验证集中,缺陷度低于横坐标对应缺陷度的 NG 图像占所有 NG 图像的比例。当红色曲线与绿色曲线不相交时,可以通过阈值将 OK 与 NG 图完全分开,且两者不相交的区域越大,模型效果越好。

效果良好 效果欠佳

good model performance

poor model performance

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝,将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。