Datenqualität vs. Datenmenge: warum saubere Bilder große Datensätze schlagen.

Warum schlägt Datenqualität bei Prüf-KI die Datenmenge?

Für ein nur mit Gutteilen trainiertes Prüfmodell zählt die Konsistenz eines kleinen Trainingssatzes mehr als seine reine Anzahl. Das Modell baut aus den Referenzbildern ein Bild des Normalen auf, was es lernt, ist also nur so sauber wie das, was Sie ihm zeigen: 20 streng kontrollierte Gutbilder beschreiben das Normal präziser als Tausende Bilder, die unter driftender Beleuchtung und wechselndem Bildausschnitt aufgenommen wurden, das Nur-Gutteile-Regime, das öffentliche Benchmarks wie der MVTec Anomaly Detection Datensatz messen.

Das läuft dem Instinkt zuwider, dass mehr Daten immer besser sind. Dieser Instinkt stammt aus dem überwachten Lernen auf riesigen, vielfältigen Datensätzen, wo die Menge Rauschen ausmittelt. Ein Anomaliemodell, das die Normalverteilung aus einem kleinen Satz lernt, funktioniert genau umgekehrt: jedes Referenzbild formt direkt die Grenze des Normalen, ein schlechtes Bild wird also nicht durch die Menge verdünnt, es verschiebt die Grenze. Derselbe Instinkt verleitet Teams dazu, zusätzliche Bilder zu fertigen, statt die vorhandenen zu kuratieren, und synthetische Defektdaten zeigen, wohin das führt: ein Satz, der wächst, ohne der realen Linie näherzukommen.

Die praktische Folge ist, dass Kuratieren das Sammeln schlägt. Zeit, die Sie darauf verwenden, dass jedes Referenzbild scharf, konsistent beleuchtet und wirklich gut ist, bringt der Genauigkeit mehr als Zeit, die Sie mit dem Sammeln weiterer Bilder verbringen. Adente Vision ist eine Edge-KI-Einheit für die visuelle Inspektion, entwickelt von ADENTE Advanced Engineering Technologies innerhalb der Aden Group, vertrieben über Automatisierungs-Systemintegratoren, und sie trainiert mit rund 20 guten Referenzbildern, was genau der Grund ist, warum jedes dieser Bilder seinen Platz verdienen muss.

Was macht ein Trainingsbild sauber?

Ein sauberes Trainingsbild ist eines, bei dem das Einzige, was sich von Bild zu Bild ändert, das Teil selbst ist, nicht die Bedingungen darum herum. Beleuchtung, Bildausschnitt, Fokus und Vorrichtung sollten so konstant sein, wie sie es zur Laufzeit sein werden, damit das Modell das Teil lernt und nicht das Rauschen einer inkonsistenten Aufnahme.

Drei Bedingungen tragen das meiste Gewicht. Die Beleuchtung sollte in jedem Bild gleiche Intensität, Farbe und Winkel haben, weshalb die Einheit eine konfigurierbare Beleuchtung (diffus, gerichtet oder koaxial, bei 24V) verwendet, einmal eingestellt und konstant gehalten. Der Bildausschnitt sollte das Teil in gleicher Position und gleichem Maßstab halten, damit dasselbe Merkmal in denselben Pixeln landet. Der Fokus sollte scharf sein, und eine 12-MP-Global-Shutter-Kamera erfasst ein bewegtes Teil ohne die Bewegungsunschärfe, die ein Rolling Shutter hinzufügen würde.

Der Grund, warum das für einen kleinen Satz nicht verhandelbar ist: Das Modell kann beabsichtigte Streuung nicht von selbst von zufälliger Streuung unterscheiden. Ändert sich die Beleuchtung zwischen den Referenzen, lernt das Modell womöglich, dass zum "Normal" dieser Beleuchtungswechsel gehört, was die Grenze aufweicht und echte Fehler hineinschlüpfen lässt. Konsistenz bei der Aufnahme hält das gelernte Normal eng.

Was zählt als repräsentative Streuung gegenüber zufälligem Rauschen?

Repräsentative Streuung ist die echte Bandbreite eines Gutteils, die das Modell akzeptieren muss; zufälliges Rauschen ist alles an der Aufnahme, was konstant hätte bleiben sollen, es aber nicht tat. Ein guter Trainingssatz enthält das Erste und schließt das Zweite aus, und beides auseinanderzuhalten ist die zentrale Beurteilung beim Kuratieren des Satzes.

Repräsentative Streuung ist die Bandbreite, die ein Gutteil wirklich hat: verschiedene Farbchargen, tolerierte Oberflächen, die kleinen kosmetischen Unterschiede, die die Qualitätssicherung bereits akzeptiert. Sieht das Modell diese Bandbreite nie, wird es Gutteile an deren Rändern zurückweisen, der Satz muss also die echte Gutteil-Population abdecken, nicht ein perfektes Musterexemplar. Hier verdient sich ein etwas größerer Satz seinen Platz, wenn die zusätzlichen Bilder echte Streuung statt Wiederholungen bringen.

Zufälliges Rauschen ist das Gegenteil: ein Schatten von einer offen gelassenen Tür, ein schief in der Vorrichtung sitzendes Teil, ein Schmierer auf dem Objektiv, ein bei anderer Belichtung aufgenommenes Bild. Nichts davon gehört zum Teil, aber das Modell kann das nicht wissen, also faltet es das Rauschen ins Normal. Das Ziel ist ein Satz, der breit bei echter Streuung und eng bei allem anderen ist.

Wie vergiften wenige schlechte Bilder ein nur mit Gutteilen trainiertes Modell?

Wenige schlechte Bilder vergiften ein nur mit Gutteilen trainiertes Modell, indem sie seine Definition des Normalen so weit dehnen, bis echte Fehler hineinpassen. Weil das Modell die Grenze des Normalen aus dem Referenzsatz lernt, lehrt ein fälschlich als gut aufgenommenes Schlechtteil es, dass der Fehler akzeptabel ist, und ein schlecht beleuchtetes oder unscharfes Bild lehrt es, dass die Unschärfe ebenfalls zum Normal gehört.

Der Schaden ist nicht proportional zur Anzahl der schlechten Bilder, was die Leute überrascht. Bei einem Satz von 20 macht ein einzelnes verunreinigtes Bild 5 % dessen aus, was das Modell über gut weiß, es hat also echtes Gewicht. Später mehr saubere Bilder hinzuzufügen macht den Schaden nicht automatisch rückgängig, denn das schlechte Bild ist weiterhin im Satz und verschiebt die Grenze. Die Lösung ist, es zu entfernen, nicht es zu überstimmen.

Deshalb setzt ein Workflow mit Gutteilen den Prüfschritt an den Eingang, nicht an den Ausgang. Es ist günstiger, ein fragwürdiges Referenzbild vor dem Training zurückzuweisen, als danach dem Pseudoausschuss oder Schlupf hinterherzujagen, den es verursacht. Wie Drift selbst ein sauberes Modell mit der Zeit still verschlechtern kann, und die Nachtrainings-Schleife, die das korrigiert, zeigt der begleitende Beitrag zu Modelldrift und Nachtraining.

Wie sieht eine Checkliste zur Kuratierung des Trainingssatzes aus?

Eine Checkliste zur Kuratierung des Trainingssatzes ist ein kurzer Satz von Gut/Schlecht-Fragen, den Sie auf jedes Referenzbild anwenden, bevor es in den Satz kommt. Der Sinn ist, die Prüfung bewusst statt angenommen zu machen, denn das Modell wird alles, was Sie ihm geben, als Grundwahrheit für das Normal behandeln.

Arbeiten Sie jedes Kandidatenbild durch und behalten Sie nur die, die jede Zeile bestehen:

1. 01Ist dieses Teil wirklich gut, von der Qualitätssicherung bestätigt und nicht nur angenommen?
2. 02Ist die Beleuchtung in Intensität, Farbe und Winkel gleich wie bei jeder anderen Referenz und wie zur Laufzeit?
3. 03Ist das Teil in gleicher Position und gleichem Maßstab, vollständig im Bild, nicht beschnitten oder gedreht?
4. 04Ist das Bild scharf, ohne Bewegungsunschärfe, mit der Global-Shutter-Aufnahme?
5. 05Wirken Objektiv und Teileoberfläche sauber, ohne Schmierer, Schatten oder Reflex, der nicht immer da ist?
6. 06Ist über den gesamten Satz die echte Gutteil-Streuung abgedeckt (Chargen, Farbtöne, tolerierte Oberflächen), ohne unbeabsichtigtes Rauschen hinzuzufügen?

Führen Sie dieselbe Checkliste jedes Mal erneut aus, wenn Sie für ein Nachtraining neu aufnehmen, denn ein Satz, der letztes Quartal sauber war, kann neues Rauschen aus einer verschobenen Vorrichtung oder einem geänderten Licht aufnehmen. Sauberer Input ist keine einmalige Aufgabe; er ist der Maßstab, den Sie jedes Mal anlegen, wenn das Modell lernt.