Se puede entrenar al detector de anomalías para que detecte defectos, residuos u otras imperfecciones. Para entrenar el detector de anomalías, etiquete las imágenes aceptables como OK y las imágenes con anomalías como NG.
A medida que vaya etiquetando las imágenes, se va entrenando el detector de anomalías para que sea capaz detectar las anomalías en las imágenes NG. Cuantas más imágenes etiquete, tanto más seguras serán las predicciones. Las predicciones se visualizan en el indicador de fiabilidad, y el color del contorno de las imágenes concuerda con el color de la etiqueta predicha.
Para obtener los mejores resultados, cumpla los siguientes criterios:
Etiquete las imágenes de un conjunto variado de imágenes como OK o NG.
Verifique si el detector de anomalías proporciona de forma regular predicciones correctas con piezas nuevas sin etiquetar.
Etiquete distintos casos de anomalías.
El detector de anomalías está bien entrenado cuando presenta predicciones correctas con dos o tres niveles de fiabilidad.
Puede conmutar entre la vista de pantalla completa y la de la RDI haciendo clic sobre {{key:smartSensor.image.view}}.
Puede activar el mapa de calor haciendo clic sobre {{key:smartSensor.image.heatMap}}. El mapa de calor indica en tiempo real dónde está encontrando el detector de anomalías desviaciones con respecto a las imágenes OK.
Para restablecer el detector de anomalías al estado de no entrenado, haga clic sobre Untrain Anomaly Detector (desentrenar al detector de anomalías). Los dos recuentos de etiquetas se ponen a cero.