PCB焊点AI视觉检测：小样本缺陷分类实验

计算机视觉实验室近期在PCB焊点AOI场景做了小样本缺陷分类实验。产线正常样本多、缺陷样本少，且不同板型差异大，直接训练分类器容易过拟合。我们把问题拆成两步：先用无监督异常检测定位可疑区域，再对可疑区域做小样本分类，区分虚焊、连锡、少锡、异物等类别。首轮离线测试用约1,800张图像、5类缺陷，在固定阈值下将误报率从基线约12%降到6%左右，漏检率保持约2%—3%。

• 进展：引入局部对比度增强与PatchCore类特征记忆库，对微小焊点缺陷的召回更稳定；分类头仅用每类20—30张样本微调。
• 下一步：在两条SMT产线做影子模式验证，重点观察换线、光照变化和不同板色下的漂移，并接入主动学习闭环，把现场复核结果回流为增量样本。