AI视觉自监督预训练：小样本工业质检迁移

计算机视觉实验室近期在探索自监督预训练于工业质检的迁移能力。工业场景标注成本高、缺陷样本稀缺，我们尝试用MAE与DINOv2在无标注产线图像上预训练，再以极少标注微调下游检测头。阶段进展：在5,000张无标注图像上预训练后，线性探针Top-1达78%；仅用每类20张标注微调，缺陷分割F1为92%，接近全监督200张标注的94%。要点：1）自监督特征对光照与纹理变化更鲁棒，但小缺陷仍需高分辨率裁剪；2）下一步计划引入多视角一致性约束与主动学习采样，将标注需求再降30%。该路线不追求通用大模型，而是验证“预训练+小样本”在产线快速换型中的可行性。