Auskopplung aus der Fallstudie · Anomalieerkennung ohne Grafikkarte

Wie viele Defektbilder braucht man wirklich?

434 fehlerfreie Bilder ohne ein einziges Fehlerbeispiel ergeben 0,7050. Zehn Fehlerbilder ergeben 0,8906, fünfzig ergeben 0,9306. Und die Warnung, die genauso wichtig ist: bei zehn Beispielen lag die Spanne zwischen 0,43 und 0,97 — unterhalb von etwa fünfzig ist das Ergebnis nicht schlecht, sondern unvorhersagbar.

ohne Fehlerbeispiel: 0,7050
zehn Fehlerbilder: 0,8906 Spanne 0,43 bis 0,97
fünfzig Fehlerbilder: 0,9306
Datensatz und Klasse: VisA, capsules · CPU, ohne Grafikkarte

Verfahren PatchCore überwachte Nachjustierung Bootstrap, 1000 Ziehungen, geschichtet Schwelle p95 aus val_normal

Nicht der Mittelwert entscheidet, sondern die Streuung.

Die Kurve steigt schnell und flacht dann ab — so weit die erwartete Form. Interessant ist, was neben der Kurve steht: bei zehn Fehlerbeispielen hängt das Ergebnis davon ab, welche zehn man erwischt hat. Es kann auf 0,97 landen und auf 0,43, also von brauchbar bis unbrauchbar. Wer in dieser Lage eine Abnahmeentscheidung trifft, entscheidet über die Auswahl seiner Beispiele, nicht über das Verfahren. Ab etwa fünfzig Beispielen wird die Spanne so schmal, dass die Zahl trägt.

Lernkurve über die Zahl der Defektbilder: 0,7050 ohne Fehlerbeispiel, 0,8906 bei zehn, 0,9306 bei fünfzig — die Spanne bei zehn Beispielen reicht von 0,43 bis 0,97 und wird erst ab etwa fünfzig schmal. — **Die Spanne ist die Aussage, nicht die Kurve.** Unterhalb von fünfzig Beispielen misst man die Auswahl, nicht das Verfahren.

Was das für ein Projekt heißt.

Zuerst fehlerfreie Bilder, nicht Fehlerbilder

Ohne ein einziges Fehlerbeispiel sind 0,7050 möglich — der Anfang braucht also keine Fehlersammlung, sondern eine saubere Serie. Und mehr fehlerfreie Bilder wirken an einer Stelle, die oft übersehen wird: an der Grenze, ab der ein Teil als auffällig gilt. Diese Grenze wird allein aus fehlerfreien Bildern geschätzt, und bei den Cashewkernen liegen 27 Punkte Spanne in der Erkennungsrate — allein aus der Unsicherheit dieser Schätzung. Dort helfen mehr fehlerfreie Bilder, nicht mehr Defektbilder.

Fehlerbilder sammeln, aber nicht zehn

Zehn Fehlerbilder sind der teuerste Zustand: sie kosten Aufwand, verschieben die Zahl deutlich nach oben und machen sie gleichzeitig unzuverlässig. Wer sammelt, sollte auf fünfzig je Fehlerart zielen — oder bei null bleiben und das Verfahren rein aus fehlerfreien Bildern betreiben. Der Zwischenzustand ist der einzige, in dem die Zahl schöner aussieht als die Anlage.

Und was hier nicht behauptet wird

Die Kurve ist an einem Produkt gemessen, den Kapseln, auf einem öffentlichen Datensatz. Ob fünfzig Beispiele bei einer anderen Fehlerart genauso tragen, ist offen — die Größenordnung wird sich ähneln, der genaue Punkt nicht. Was wir nicht gemessen haben, behaupten wir nicht.

Der vollständige Bericht mit Herleitung, verworfenen Ansätzen und Prüfpfad: Anomalieerkennung ohne Grafikkarte. Der Befund zum Auslieferungsformat: ONNX-Export verliert Antialiasing.

Datengrundlage: VisA (Visual Anomaly), Amazon Science, unter CC BY 4.0. Namensnennung ist Lizenzbedingung. Stand der Zahlen: 21. August 2026.