AI视觉缺陷冷启动：新品小样本的样本扩充

在新产品导入阶段，视觉质检常遇到一个尴尬的窗口期：产线已经开动，但缺陷样本只有个位数，有监督模型根本训不起来。本周期计算机视觉实验室把这个问题拆成成像、合成、判定三段处理，而不是一上来就追求端到端模型。

做法上，先用少量正常样本建立特征层异常检测基线，保证开线即有基础拦截能力；再用可控合成补充姿态与光照变化，但合成样本只参与特征分布扩充，不进入最终分类阈值标定，以免引入分布偏移。判定环节保留人工复核通道，复核结果按难例优先级回流训练集。

要点：
· 进展：某结构件外观检测试点中（4类缺陷、每类初始样本不超过8张），异常检测基线首周可覆盖约七成缺陷类型，误报率随样本回流在第三周趋于稳定，合成样本使姿态敏感类缺陷召回提升约12个百分点。
· 下一步：验证跨产品迁移时的特征复用效果，并整理冷启动阶段的样本标注与阈值管理规范。