解析 (赤) ツール – スーパーバイズドモード

解析 (赤) ツールがスーパーバイズドモードのときは、欠陥がどのような外観を持っているかをネットワークに学習させることに焦点が当てられます。学習中は、ラベルが付けられている画像のみが対象となります。ラベル付きの欠陥領域を含む画像では、欠陥が学習されます。また、ツールでは、欠陥領域を含まないラベル付き画像の部分も学習します。一般的に、スーパーバイズドモードでの解析 (赤) ツールの学習では、欠陥を検出し、対応するようにツールを学習させます。したがって、画像をラベル付けする上で最も重要なガイドラインは、欠陥を含んでいるものとして画像をラベル付けする場合に、画像内のすべての欠陥にラベルを付ける必要があることです。

スーパーバイズドモードで画像を「良好」としてラベル付けする場合 (つまり欠陥領域を含んでいない画像)、ツールではその画像を学習にも使用します。特に、ツールはネットワークの学習を試みて、「良好」のラベルが付いた画像が欠陥の応答を生成しないようにします。ラベル付きの、欠陥のない「良好」な画像を学習セットに追加すると、良好な画像と不良画像を分類するツールのパフォーマンスを検証するのに役立ちます。

画像を選択する際は、実行時に遭遇することが予想されるあらゆる欠陥と、欠陥のない画像を含む学習画像セットを用意する必要があります。特定の欠陥がどのような外観を持っているかをツールに学習させなかった場合、ツールではこれらの欠陥を見つけることができません。たとえば、汚れがどのようなものであるかだけを学習させた場合、傷を見つけることはできません。

スーパーバイズドモードでは、ツールの学習プロセスは次のようになります。

遭遇することが予想されるあらゆる欠陥を網羅した画像を収集します。

学習画像セット内の各画像を確認し、慎重に欠陥にラベルを付けます。

欠陥	ラベル

いくつかの良好な画像を追加して、「良好」としてラベルを付けます。
ツールに学習させます。

欠陥を含んでいる、学習中に使用されなかった画像と、欠陥を含んでいない良好な画像を提示することで、ツールを検証します。

欠陥のマーキング