# 目前瑕疵檢測作業流程

目前的作業流程為以下步驟:

  st=>start: 圖片
  op1=>operation: 訓練
  op2=>operation: 驗證(本機)
  op3=>operation: 上機測試
  op4=>operation: 調試
  op5=>operation: 正式上線
  op6=>operation: 正是驗證

  cond=>condition: 調適，且正確率是否足夠
  e=>end
  st->op1->op2->op3->cond->op5->op6
  cond(yes)->op5->op6
  cond(no)->op1

圖 -> 訓練 -> 驗證(本機) -> 上機測試 -> 調試 -> 正式上線 <-> 正式驗證

以下將詳述每步地作業細節:

### 1. 圖
圖為輸入資料，在使用上需注意標記過程、標記正確和檢驗defect type與位置

- 目前主要標記是由作業員完成，且負責標記的人員固定
- 作業員的教育訓練由AI team負責，但目前有一部分的數據逐漸改為設備(測試)進行教學
- Labelme為目前的標記工具，主要會判斷以下四種情況

| | 實際 | 輸入圖片 |
|---:|:-------|:-----------|
| 0 | NG | NG |
| 1 | NG | OK |
| 2 | OK | NG |
| 3 | OK | OK |

### 2. 訓練

- 訓練的部分為AI team針對上面的瑕疵建立模型，目前的模型多為雙分類任務(Defect, Not defect)

### 3. 驗證(本機)

- 在取得訓練結果後，於驗證部分利用訓練完的模型進行測試，比較training set, validation set和test set上的表現。

### 4. 上機測試
- 因為我們在訓練的過程中，產線會同步生產，我們可以在訓練後以同步生產的數作為測試資料集，並利用該資料集建立混淆矩陣，且產線也會提供他們對產能提升的計算方式，綜合以上內容作為後續模型分析與修改的方向與建議。

### 5. 調試
- 在該步驟中，我們主要針對前部分測試的結果進一步調整使用的模型與參數，或是圖片座前處理、該步驟的結果若不理想，則會回到前半步驟1或步驟2

### 6. 正式上線
- 模型在前半部分調適已經獲得足夠良好的表現，即可正式上線

### 7. 正式驗證
- 正式上線後，模型可能做出部分預測，但在下一部份的生產過成中可能會發現我們正式上線模型中無法發現的瑕疵，我們會配合該驗證的結果調整我們的模型