红色分析工具 - 无监督模式

当红色分析工具处于无监督模式时，重点是让网络学习良好零件的外观。因此，在训练期间，重点是呈现零件的良好/合格图像（包括所有可接受的变体）。但是，在测试和验证阶段包括标注失败的图像也很重要。这将使您能够确定工具在经过训练后检测缺陷的准确性。

注意:即使将标注为不良的图像添加到训练集中，Deep Learning 也会自动忽略该图像，并且不会在神经网络的训练中使用它。但是，不良图像在测试和验证阶段是很有用的。

接下来在运行期间，呈现零件后，工具将其与所学内容进行比较并发现零件有偏差，这将表明它认为该零件属于不良零件。

在无监督模式下，训练工具的过程如下：

  1. 收集代表零件合格和所有可接受变化的图像。

  2. 通过单击训练集中的每个图像或使用视图浏览器“N 个视图操作”菜单中的“标签视图”选项，将图像标注为良好。单击等于图像“良好”（在右上角用绿色条纹表示）。

    注意:双击等于图像“不良”（在右上角用红色条纹表示）。但是，此标签应仅应用于验证集。
    “良好”标签 “不良”标签

  3. 训练工具。

  4. 通过展示包含已知缺陷的图像（已标注为“不良”）来验证工具，从而确定工具的准确性。

    “良好”标记 “不良”标记