工业视觉小样本：缺陷样本扩散扩增与迁移验证

本季度实验室聚焦工业质检场景中的样本稀缺问题——多数产线缺陷类型每年仅出现数十例，常规监督学习难以稳定上线。我们基于开源扩散模型，针对金属冲压件的5类典型缺陷（划痕、凹坑、起皱、压伤、边缘毛刺）合成约3,000张样本，并混合真实难例完成下游检测模型微调。

进展要点：

• 合成样本视觉评估通过率约72%，主要失真集中在纹理细节；
• 注入10%合成比时，下游召回率较纯真实样本基线提升约6.8个百分点；
• 合成比超30%出现域偏移，真实产线误检率上升超过可接受阈值；
• 下一步拟引入控制网约束与材质先验，进一步压缩合成—真实差距。