图像识别cnn截图 机器视觉技术与机器视觉检测系统的应用案例(3)

此外，对于给定的模型，可以选择阈值以使系统能够决定样品是否有缺陷。由于模型的输出通常是0和1之间的概率值，如果概率值大于阈值，则样本将被标记为NOK，否则标记为OK。

通过将阈值移向1.0，能以“增加假阴性的数量”为代价来减少假阳性的数量，反之亦然。然后可以通过在x轴上绘制阈值，以及在y轴上绘制特异性或真阴性率（= 1-假阳性率）和灵敏度或真阳性率（= 1-假阴性率），来可视化检查系统工作在何处。

对应于阈值的垂直线切割两条曲线的点，产生假阳性率和假阴性率。阈值的常见选择是产生近似相等的假阳性率和假阴性率。对于CNN-Surfin，得到1.58%的假阳性率和1.49%的假阴性率（见图6）。与之相比，SVM版本的Surfin的假阳性率为17.98%，假阴性率为18.00%，由Surfin做出的分类错误数量减少了12倍。

图6：对应于阈值的垂直线切割两条曲线的点，产生假阳性率和假阴性率。阈值的常见选择是产生近似相等的假阳性和假阴性率。对于CNN-Surfin，假阳性率为1.58%，假阴性率为1.49%。

现在，新的分类器准备在生产环境中运行。此外，Tecnalia公司的工程师们正在努力继续改进系统，目的是使钢铁生产商能够生产零缺陷钢材。例如，已经使用CNN-Surfin评估了4类问题（OK以及3种类型的缺陷），通过AUC（平均延伸）进行归类，得到AUC = 0.9956。但目前正在收集更多的样本，以使结果更具统计学意义。

Surfin系统自推出以来，已经交付到诸如Tubos Reunidos和Aceros Inoxidables Olarra等公司，其能够在热工艺生产的早期阶段检测到生产问题。Tecnalia公司正与其他钢铁生产公司合作部署该系统，以检测形状更复杂的钢材，例如用于建筑和土木工程的U型或H型截面钢梁。

Tecnalia公司已经与Sarralle集团建立了关系，在全球范围内分销Surfin系统。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-58836-3.html