视觉基础模型工业适配：少样本分割实验进展

近期，计算机视觉实验室围绕视觉基础模型在工业现场的适配开展实验，重点验证开放词汇分割与少样本微调在标注数据稀缺场景下的可用性，应用对象包括在制品分割、作业区域识别与工装器具归位检查。实验对比了零样本直接推理与少量标注微调两条路线，初步结论如下：
· 在每类仅提供10~20张标注的条件下，微调后模型分割精度mIoU达0.82，较零样本推理提升约23个百分点；
· 零样本路线对形状规则、语义清晰的目标（如托盘、料箱）表现稳定，但对低对比度、语义模糊的目标召回率不足50%，仍需领域数据补充。
下一步，团队将引入文本提示与示例图联合的提示工程流程，降低现场人员标注门槛，并在合作产线开展为期四周的灰度验证，评估不同光照、镜头污损条件下的鲁棒性。初步判断是：基础模型的价值在于缩短视觉方案的冷启动周期，而非替代面向具体任务的定制训练，后续将以实测数据持续校准这一结论。