AI 影像辨識誤報怎麼降？四種誤報來源與調校流程

誤報的代價

誤報最大的問題是通知被關掉。現場一旦把 LINE 群組設為靜音，系統就等於下線，而且通常不會有人告知。

因此調校要看的是每日告警量，要壓到現場願意逐則查看的程度。

誤報的四種來源與處理方式

一、環境固定干擾（最好解）

樹影、旗子、電子看板、固定反光。這類干擾的位置與型態都固定，設為排除區即可，通常最先處理，也最快見效。

二、相似物件（要樣本）

把鴨舌帽判成安全帽、把焊接火花判成明火、把車燈判成火光。這類要收集現場樣本加入訓練，累積一段時間後才會見效。

有一類例外：水蒸氣與白煙不在這個範圍內。兩者在影像上沒有穩定可分的特徵，加多少樣本都不會收斂。鍋爐、冷卻塔、蒸煮區這類固定排放口只能設為排除區域；如果蒸氣會飄過整個監看範圍，那個場域就不適合用影像做煙霧偵測。調校前先把誤報來源分成調得動與調不動兩種，導入期才不會耗在調不動的那一種上。

三、姿勢與遮擋（調門檻）

彎腰、蹲下、背對、被物料遮住。這類靠調整信心門檻與連續秒數來改善。門檻調高會同時降低漏報的偵測率，這是取捨，沒有兩全的設定。

四、規則設定錯誤（最常被誤認為模型問題）

把休息區納入 PPE 稽核範圍、把上班時段的正常進出設成入侵告警、把冷卻塔設在火煙偵測區內。這類問題很常見，常被當成模型不準，其實改設定就能解決。

一般的收斂節奏

以下是常見的進行順序，實際時程依場域大小、鏡頭數量與現場回饋的速度而不同。

• 上線初期：告警量最大。主要工作是排除環境干擾與修正規則範圍，這兩項通常就能減少大部分的誤報。
• 接下來幾週：處理相似物件，收集現場樣本回饋。同時開始調整門檻與連續秒數。
告警量穩定後：開始看得出違規集中在哪些位置。
• 穩定之後：改為月度檢視。此時的主要變數是季節（日照角度改變）與現場變更（動線調整、新設備進場）。

哪些事沒有用

一次把所有鏡頭都接上：告警量大到無法逐則回饋，調校就無從進行。 只調門檻不收樣本：門檻調到不再報，功能就形同關閉。

期待「換一個模型」解決：如果問題是角度或照度，換模型不會有幫助。

不設處置回報：沒有回饋，就分不出哪些是誤報。

結論

誤報收斂是一段流程，需要現場人員在上線初期回報「這是誤報」，這部分的影響不亞於模型本身。