视觉检测的漏检率与误报率怎么验证？配方与模型版本怎么管理？

详细回答

视觉检测项目的成败，往往不在“能不能检出”，而在“指标可不可信、版本可不可控”。钱唐的视觉缺陷检测平台官网明确了两条机制：用独立样本验证漏检与误报、保存相机参数/标注规范/配方与模型版本——这两条正是项目管理的抓手。

漏检率与误报率的验证方法

• 独立样本集：按缺陷类别准备样本，其中划出与训练集不重叠的验证集——用训练样本验证等于“考前把考卷发给学生”，指标必然虚高；
• 逐类统计：漏检率与误报率按缺陷类别分别统计，而不是只报总指标——关键缺陷类别的漏检要单独看，方法细节见视觉检测的漏检率与误报率；
• 口径对齐：样本制备、光照条件与产线一致；指标口径与产线抽检规则一致，验证结果才有量产意义；
• 边界样本入库：人工复核裁定的边界样品进入样本库，作为回归测试的固定考题。

四件资产的版本管理

• 相机参数：曝光、增益、对焦与光源亮度按工位登记，镜头动过就要复验；
• 标注规范：缺陷定义、边界尺度与标注规则版本化——标注口径变了，等于换了一双眼睛看缺陷；
• 检测配方：按产品型号切换的检测项与阈值，换型复验流程见视觉检测换型与复验；
• 模型版本：模型文件、训练数据版本与评估结果绑定归档，升级走受控流程，历史版本留存可回滚。

上线后的持续管理

• 定期回归测试：用边界样本集周期复测，图像漂移（镜头污损、光源衰减、支架微移）导致指标劣化时先查成像再动模型；
• 数据闭环：检测数据按型号与缺陷类别统计并对接MES，趋势背景见测试数据与MES/EAP对接；
• 人工复核流程：未知缺陷与边界样品由人工裁定，裁定结果定期回流样本与标注规范。

钱唐的视觉缺陷检测平台按项目提供验证方案与版本管理口径，具体以项目技术协议为准。

资料来源

• 钱唐科技：视觉缺陷检测平台：独立样本验证漏检误报；可保存相机参数、标注规范、配方及模型版本；人工复核流程。
• ISO 国际标准化组织：质量检验与抽样验证的公开背景；用于验证方法说明，不移植任何指标数值。