新产品导入阶段常面临同一个尴尬：产线只有良品图，缺陷样本寥寥，监督式检测模型无从训练。本实验室近期在一类 3C 结构件外观检测上做了冷启动路径的实验：先用正常样本做无监督表征建模，建立「偏离即疑似」的初筛，再用上线后累计的少量确认缺陷做增量微调，逐步收敛判据。
阶段性进展：
· 冷启动阶段仅用 60 张正常样本建模，对划伤、压痕两类主要缺陷的初筛召回约 88%，误检率偏高，但足以支撑人工复核而非直接放行；
· 累计约 40 张确认缺陷后增量微调，同等测试集上召回提升至 95% 左右，误检下降约一半，模型迭代周期从按周缩短到按天。
我们更倾向把冷启动定义为「可用性优先」：先让模型承担粗筛与排序，把人的注意力集中到少量疑似图上，再靠产线反馈补足判据。
下一步计划验证两点：一是正常样本分布随批次、光照、来料变化的漂移监控，避免模型在无声中退化；二是增量微调时的遗忘抑制，保证早期品类的判据不被后续数据覆盖。
评论