用于基于KNN的异常检测方法的阈值和模型调整

一种用于从对象图像进行异常检测的方法。特征提取器提供表征包括好部件和坏部件的部件图像的特征数据。使用好部件的训练数据来创建k最近邻(k‑NN)模型核集合。由k‑NN模块评估一些好的和一些坏的部件的调整数据，以根据特征数据确定异常分数。异常分数的好对坏阈值最初被设置为低值。当检测到超过阈值的异常分数时，人类检查相应的图像以确定主题部件是好的还是坏的。如果部件是好的并且异常是假的，则k‑NN模型核集合被更新以包括主题部件的特征数据，并且阈值被调整得更高。在每次调整之后，将k‑NN模型应用于测试数据集合以评价性能。