表面缺陷检测在实验环境里最容易出现“跑分好看、上线翻车”，主因往往不在模型结构，而在成像端漂移——换批次工件、环境光变化、镜头轻微沾污，都可能被模型误读成缺陷。本阶段计算机视觉实验室把重心从网络结构挪到成像一致性与小样本复判上。
做法上分两步：一是班前用标准色卡与灰度靶标做标定，把曝光、白平衡、增益锁到统一成像域，并记录每班次漂移量；二是为每类缺陷建立低置信样本池，由产线质检员每周回标约50张难例，做轻量增量微调。评估口径也改为按缺陷等级（划伤、脏污、压痕）分别统计漏检率与过杀率，而非只看整体准确率。
要点：
- 进展：在3条表面检测工位试点，每类训练样本由约800张降至260张，划伤漏检率从4.1%降至1.6%，过杀率控制在2%以内；换型预热时间由约40分钟压缩到8分钟。
- 下一步：验证阳极氧化、拉丝等不同材质批次下的阈值自适应策略，并把该标定流程固化为边缘端开机自检脚本。
评论