检查标记

工具经过训练后，就可以处理数据库中的图像以及新采集的图像，并将标记放置在它找到的特征上。标记是 VisionPro Deep Learning 生成的输出，用于以图形方式显示神经网络模型的解释，同时生成统计结果。标记是工具基于在训练之前完成的标注而放置在工具识别图像的字符、特征和/或区域上的图形元素。对于红色分析工具，标记由异常分数和热力图（也称为偏差图）及框出缺陷和/或异常的多边形区域组成。

 

可以使用 Alt + 左箭头键和 Alt + 右箭头键，或者从图像的右键菜单中切换标签和标记的显示。

 

您还可以通过在叠加复选框中启用“标记”来显示叠加。

 

标记和结果

图像结果通过以下机制显示：

有缺陷的图像 中等分数图像 无缺陷的图像

具有高分和红色边框的图像表示存在缺陷。缺陷将以红色区域轮廓表示。

返回中等分数的图像将具有灰色边框，并且可能需要进一步调整工具的参数。

低分和绿色边框的图像表示没有检测到缺陷。

 

补偿中等分数图像的一种方法是调整工具的分数（分数和 ROC 曲线）阈值，以允许更高或更低的得分，从而正确地对图像进行分类。但是，只有在良好和不良图像分类之间存在差异时，此方法才有效。如果没有差异，该工具会将更多图像分类为错误结果。

Note: 有关其他信息，请参阅解释结果主题。

 

重叠复选框

当您按 Alt + 左/右箭头（处理图像时的键盘快捷键）或选中重叠复选框上的每个复选框（标签和标记），上述 2 个表将前后或并排显示，并带有标签和标记的重叠图形。

 

区域列表

区域列表是在图像显示区域底部出现的表，显示每个缺陷区域的信息。它由 2 个表组成，每个表都包含标注缺陷区域（您为训练标注的缺陷区域）和标记缺陷区域（作为处理结果的预测缺陷区域）的信息。表中的每一行表示每个缺陷区域的信息。

对于每个表，可以单击一行以突出显示表和图像显示区域中的信息。

 

列 说明

得分

缺陷区域中每个像素的缺陷概率中的最高缺陷概率，作为处理的结果。对于标签表，这表示已标注为缺陷区域的区域的最高缺陷概率。对于标记表，这表示已预测为缺陷区域的区域的最高缺陷概率。

位置

缺陷区域中心的 x、y 坐标。
面积 直方图中的像素数。

覆盖率

标注缺陷区域和预测（标记）缺陷区域之间的重叠率。

 

查看标记和微调训练

添加更多标签并重新调整训练图像集是另一种补偿中等分数图像的方法。

 

在这种情况下：

  1. 识别具有中等分数但分数看似不是正确标记的图像。

  2. 确保图像标记不正确。对于此示例，在上述图像中，覆盖标记已隐藏（通过按下 Alt+Arrow 键），表示缺陷区域未正确绘制。
  3. 接受视图以保留已标记为不良区域的区域。

  4. 编辑区域。

  5. 正确填写缺陷区域。

  6. 或者，如果工具在处理此特定图像时遇到困难，您可以将图像添加到图像列表中，以便在训练时始终使用。

 

要为进一步训练提供更多标注数据，您可以将某些标记转换为标签。在这种情况下，您查看该工具应用的标记，如果您同意标记，则接受视图并将标记转换为标签。

例如，蓝色定位工具要求在视图上标注 N 个特征。工具经过训练后，结果以标记的形式报告，也就是在视图上叠加图形。您查看每个标记，如果标记准确，则右键单击视图并选择接受视图将标记转换为标签。有关详细信息，请参阅如何快速标注：引导程序标注。