Vous pouvez entraîner le détecteur d’anomalies à reconnaître les défauts, les débris ou les objets autrement défectueux. Pour entraîner le détecteur d’anomalies, étiquetez les images correctes par OK et les images avec des anomalies avec NG.
Pendant que vous étiquetez les images, vous entraînez le détecteur d’anomalies à reconnaître les anomalies sur les images NG. Plus vous étiquetez d’images, plus les prédictions sont fiables. Les prédictions sont affichées par l’indicateur de confiance, et la couleur de la bordure de l’image correspond à la couleur de l’étiquette prédite.
Pour des résultats optimaux, répondez aux critères suivants :
Étiquetez un groupe d’images variées comme suit : OK et NG.
Assurez-vous que le détecteur d’anomalies réalise systématiquement la bonne prédiction pour les nouvelles pièces non étiquetées.
Étiquetez les différents scénarios d’anomalie.
Le détecteur d’anomalies est bien entraîné s’il affiche des prédictions correctes, avec deux ou trois degrés de confiance.
Vous pouvez basculer entre la vue plein écran et la vue ROI en cliquant sur {{key:smartSensor.image.view}}.
Vous pouvez activer la carte thermique en cliquant sur {{key:smartSensor.image.heatMap}}. La carte thermique est une indication en direct des zones où le détecteur d’anomalies identifie des écarts par rapport aux images OK.
Annulez l’apprentissage du détecteur d’anomalies en cliquant sur Annuler l’apprentissage du détecteur. Les deux décomptes d’étiquettes sont remis à zéro.