Rilevamento anomalie ATSAnomaly¶
Adatto a costruire una banca delle caratteristiche usando solo immagini normali OK e a individuare nuove immagini che si discostano dalla distribuzione normale. L'implementazione attuale usa PatchCore, senza addestramento a gradiente su più epoche come nella classificazione ordinaria.
Dati di addestramento e calibrazione¶
Le directory di addestramento e calibrazione indipendente devono contenere solo immagini OK. Se la calibrazione è vuota, si eliminano i duplicati per contenuto e si riserva circa il 20% con seme fisso 42; servono almeno 3 immagini distinte. Le immagini di calibrazione non entrano nella banca; duplicati tra addestramento e calibrazione indipendente causano un errore.
Le soglie stimate solo su immagini OK non dimostrano richiamo dei difetti, tasso di falsi positivi o accuratezza in produzione. Verificare le prestazioni con campioni OK/NG indipendenti.
Parametri di costruzione¶
| Parametro | Effetto |
|---|---|
| Backbone | ResNet18 (più rapido) o Wide ResNet50-2 (maggiore capacità), con pesi preaddestrati inclusi e parametri congelati. |
| Dimensioni immagine | Predefinito 256; ridimensiona l'intera immagine a quadrato senza ritaglio centrale dei bordi, potendo alterare il rapporto d'aspetto; 64–1024 e multiplo di 32 |
| Dimensione del batch di estrazione | Predefinito 2, intervallo 1–16; determina il batch di estrazione delle caratteristiche; ridurre se la memoria GPU non basta |
| Frazione mantenuta nel coreset | Predefinito 0.01; frazione delle caratteristiche candidate mantenute, non delle immagini di addestramento |
| Limite delle caratteristiche candidate | Predefinito 50000; oltre il limite, il campionamento limitato riduce i candidati alla selezione del coreset |
| Limite delle caratteristiche del coreset | Predefinito 5000; limita il numero finale di caratteristiche della banca |
La dimensione finale del coreset è min(limite caratteristiche coreset, max(1, int(numero caratteristiche candidate × frazione mantenuta))). Banche delle caratteristiche e dimensioni immagine maggiori aumentano generalmente RAM, memoria GPU e calcolo richiesto per l'inferenza.
Questa pagina non ha parametri di tasso di apprendimento, ottimizzatore, epochs o arresto anticipato. L'avanzamento comprende estrazione delle caratteristiche normali, campionamento del coreset e calibrazione delle soglie OK.
Soglie e inferenza¶
Il modello viene salvato come model.patchcore.pt. Per l'inferenza usare Verifica inferenza anomalie in questa pagina, con un'immagine singola o una cartella di immagini.
I punteggi di anomalia sono distanze tra caratteristiche, non probabilità, e non devono necessariamente rientrare in 0–1. Durante la costruzione, i punteggi di calibrazione OK stimano le soglie a livello di immagine e di pixel. Il moltiplicatore della soglia di inferenza è 1 per impostazione predefinita: sotto 1 è più sensibile, sopra 1 è più permissivo. Un punteggio immagine che raggiunge la soglia immagine determina NG; la maschera dei pixel dipende dalla soglia pixel. Sono statistiche diverse.
I risultati comprendono OK/NG, punteggi di anomalia, mappe di calore, sovrapposizioni, maschere, mappe dei punteggi originali e JSON/CSV. La directory di output non deve essere dentro quella delle immagini di input, per evitare che i risultati vengano elaborati nuovamente.
Questo formato non è un modello ONNX generico, un normale PT di classificazione o un modello di inferenza classico; non selezionarlo nella pagina principale di verifica dell'inferenza. Sia la CPU sia una singola GPU NVIDIA usano l'ambiente indipendente del rilevamento anomalie.
Tutti gli intervalli sono nella tabella delle anomalie.