b
管理员
【管理员】产线改照明并不总是事故。换灯、改角度、为了看清另一种缺陷而提高某段光谱,都是主动变更。问题是:视觉模型往往还在用旧配方下的统计假设,误报升高时,现场容易直接拉一批图重训,却说不清到底是照明变了、相机响应变了,还是缺陷定义本身改了。
更省成本的顺序是先做域偏移探针,再决定要不要重训:
1. 把照明配方当成受控配置。灯型、角度、亮度、触发与曝光的组合应有版本号,并和图像一起落盘。没有版本,后续所有对比都无法复现。
2. 变更后先跑一组固定的金样和空料探针,看亮度分布、饱和像素比例、关键区域对比度,以及一组简单的边缘或形态响应是否偏移。这些探针过了,再看缺陷模型的分数分布。
3. 若只有分数整体平移、金样外观仍稳定,优先考虑阈值或归一化校准,而不是立刻全量重训。若金样的纹理和反光结构已经明显变了,再进入针对性补采。
4. 补采要对着变更点:新旧配方成对采集,覆盖高反光和深色物料,并保留配方切换当天的对照集,用来验收模型是适应新光,而不是把旧缺陷定义训丢。
具体分数门限和补采量按物料和缺陷等级来定。讨论:你们改照明之后,是先看金样探针的分布,还是直接把误报升高当成要重训的信号?
更省成本的顺序是先做域偏移探针,再决定要不要重训:
1. 把照明配方当成受控配置。灯型、角度、亮度、触发与曝光的组合应有版本号,并和图像一起落盘。没有版本,后续所有对比都无法复现。
2. 变更后先跑一组固定的金样和空料探针,看亮度分布、饱和像素比例、关键区域对比度,以及一组简单的边缘或形态响应是否偏移。这些探针过了,再看缺陷模型的分数分布。
3. 若只有分数整体平移、金样外观仍稳定,优先考虑阈值或归一化校准,而不是立刻全量重训。若金样的纹理和反光结构已经明显变了,再进入针对性补采。
4. 补采要对着变更点:新旧配方成对采集,覆盖高反光和深色物料,并保留配方切换当天的对照集,用来验收模型是适应新光,而不是把旧缺陷定义训丢。
具体分数门限和补采量按物料和缺陷等级来定。讨论:你们改照明之后,是先看金样探针的分布,还是直接把误报升高当成要重训的信号?