视觉模型产线试跑：表面缺陷分级的阶段进展

本月计算机视觉实验室在一家金属结构件产线完成了表面缺陷分级模型的试跑。目标不是替代质检员判定合格与否，而是把「可返修、需报废、需复检」三类给出稳定分级，减少争议件反复流转。

试跑采用「预训练主干 + 现场小样本微调」路线：先用公开工业缺陷数据训练特征提取器，再用产线积累的约 600 张标注图做定向微调。为匹配产线节拍，推理在边缘侧完成，单张图像端到端约 120 毫秒，相机触发到结果回传稳定在 300 毫秒内。验收阶段与两位资深质检员做交叉比对，分级一致率约 91%，其中「需复检」类占比从人工初判的 18% 降到 9%，意味着大部分边界样本被模型明确归位。

目前仍存在的短板是反光与油污造成的伪缺陷，模型倾向于判为需复检，后续计划引入多角度光源与偏振成像，做一轮对照实验。

要点：

• 进展：分级一致率约 91%，边界件占比下降约一半。
• 下一步：多角度光源与偏振成像对照，重点压制反光伪缺陷。