模型管理
系统的检测能力由一组深度学习模型驱动。本章介绍如何管理这些模型与其训练数据集：包括查看 / 上传 / 切换模型，以及导入导出数据集、查看训练分布并发起训练。
模型有两个入口：
设置 → 管理模型：模型清单与生命周期操作（设为默认、重命名、导出、删除等）。
模型页面（Models）：以数据集为中心的视图，用于标注训练样本、查看训练/测试分布并发起训练。
模型清单（管理模型）
在 设置 左侧点击 管理模型，可按 全部 / 预训练 / 已训练 筛选系统中的模型。
常用操作：
上传模型：导入外部训练好的模型文件。
训练模型：跳转到模型页面，基于当前数据集发起一次训练。
设为默认：将某模型设为对应检测类型的默认推理模型。
重命名：修改模型条目的显示名称。
导出…：将模型文件导出到本地。
删除：从系统中移除该模型。
导入数据集 / 导出数据集：在不同环境间迁移训练样本。
重置初始图片：将数据集恢复到初始样本集合。
数据集与训练（模型页面）
模型页面位于导航栏 Models，左侧图标栏提供两个视图切换：
数据集：查看、标注和管理训练样本。
训练：配置训练参数、发起训练并查看训练结果。
数据集视图
数据集 视图展示当前检测类型已积累的所有训练样本（来自自动编程、评估与现场反馈）。
顶部工具栏按钮：
导出数据集：将当前数据集打包导出为 .zip 文件，用于在不同环境间迁移或备份样本。
导入数据集：从本地 .zip 文件导入样本，合并到当前数据集。
查看训练/测试分布：切换右侧面板的显示，查看 训练集 与 测试集 的样本数量及占比。训练集包含 train 与 val 样本；测试集包含 test 样本。数字旁的百分比反映当前已标注样本中各部分的比例。
训练模型：跳转到训练视图，发起模型训练。
训练视图
切换到 训练 视图后，界面分为左侧 训练设置 面板与右侧 摘要 面板，下方为可拖拽调整高度的 数据集 样本库。
训练设置面板
左侧面板顶部可在 训练 与 测试 子标签之间切换（用于筛选下方标签统计表的展示范围），下方显示样本标签分布统计表，列出各标签在训练集、测试集及未分配中的数量：
行标签：正常（OK） / 异常（NG） / 无标签
列标签：标签 / 训练 / 测试 / 未分配
摘要面板
右侧面板展示已选模型针对当前数据集的 混淆矩阵 （Confusion Matrix）。矩阵行为实际标签（Actual），列为模型预测标签（Predicted），对角线格子（绿色背景）表示预测正确，非对角线格子（红色背景）表示预测错误。若尚未训练模型，面板显示提示信息。
面板底部的 开始训练 按钮用于发起训练（见下节训练流程）。
训练流程
在 数据集 视图或 训练 视图中确认已积累足够且类别均衡的样本。
（可选）点击 查看训练/测试分布，确认各类别样本数量合理，避免某一类别样本过少导致过拟合。
在训练视图底部点击 开始训练 按钮。系统弹出 为模型命名 对话框，输入模型名称后点击 开始训练 确认。
训练开始后，界面切换到 训练进度 视图，展示：
当前 Epoch 进度与预计剩余时间。
实时 准确率 与 最佳 （best）准确率及进度条。
训练图表：准确率曲线（Accuracy）与训练/验证损失曲线（Training / Validation Loss）。
停止训练 按钮：点击后系统在当前 Epoch 完成评估后终止训练，并保留已达到最佳准确率的模型权重。
返回模板 按钮：退出训练进度视图，返回设置面板（训练仍在后台继续）。
训练完成后，可在 管理模型 中将新模型 设为默认，使其在后续检测中生效。
备注
反馈写入数据集后，建议在稳定的光照与工艺条件下积累一段时间样本再训练，避免短期波动导致模型过度拟合。
备注
训练完成后，当前运行的检测会话不会自动切换到新模型。需在 管理模型 中执行 设为默认 并重新启动检测会话，新模型方可生效。