在工业质检中，新缺陷类型的冷启动成本往往高于模型本身的精度问题：新产线要停机采样、标注数百张缺陷图，再走一轮训练。计算机视觉实验室近期在一条 3C 结构件外观检测线上，做了一组小样本冷启动实验，思路是把开放词汇的视觉语言检测模型与基于正常样本的异常检测分支组合使用。
具体做法是：用产线原有少量正常图建立纹理基线，异常分支负责“报位置”，视觉语言模型负责“给类别”，通过固定提示模板（缺陷名＋材质＋成像方式）与置信度校准，把新缺陷的接入样本量压到 15～20 张确认样本。
阶段性结果（要点）：
· 划伤、压伤、脏污三类新增缺陷的冷启动接入时间由约 2 天缩短至 4 小时，无需重训主干网络；
· 对长度 ≥0.5 mm 的划伤召回 92%，细小纹理类缺陷（微麻点）召回不足 70%，仍依赖产线阈值与人工复核位兜底。
下一步：针对微麻点补充合成样本并与线扫成像做对比测试，同时评估该方案在边缘设备上的推理延迟，确认是否具备单机部署条件。
评论