認識精度（適合率・再現率）

認識精度とは、AIや画像認識システムがどれだけ正しく判定できているかを示す指標です。

機械学習や深層学習では単純な正解率だけでなく、適合率（Precision）や再現率（Recall）など複数の指標を用いて性能を評価します。

製造業の外観検査、物体認識、異常検知、ロボットビジョンなどでは、誤検出や見逃しを防ぐために適合率・再現率の両方を確認することが重要です。

■基本用語

※AI評価の基本。

■用語の関係

実際OK / NG

AI判定OK / NG

※ここから計算。

用語定義

※AI評価の基本。

■適合率（Precision）

Precision =正しく検出 / 検出した数

＜意味＞

＜例＞

検出10 正解8

= 80%

※誤検出に強い。

■再現率（Recall）

Recall =正しく検出 / 本当の数

＜意味＞

＜例＞

本当10 検出8 = 80%

※見逃しに強い。

■Accuracy（正解率）

Accuracy = 正解 / 全体

※簡単だが不十分。

■なぜPrecisionとRecallが必要か

＜例＞

NGが少ない場合

全部OK判定 → Accuracy高い

でもNG見逃し

※だから両方見る。

■F値（F1スコア）

F1 = 2 × P × R / (P + R)

※バランス指標。

■製造業での重要性

※用途で違う。

■ロボットビジョンでの例

部品10

検出9

正解8

Precision = 8/9

Recall = 8/10

※評価に使う。

■精度に影響する要素

※現場調整重要。

■関連用語

■まとめ

認識精度とはAIの判定性能を示す指標で、適合率（Precision）と再現率（Recall）で評価します。

外観検査やロボットビジョンでは両方のバランスが重要です。