簡(jiǎn)介面向智能制造與工業(yè)質(zhì)檢場(chǎng)景的技術(shù)方案PPT圍繞戴爾、百度、微億三方合作的AI質(zhì)檢員項(xiàng)目展開(kāi)重點(diǎn)解決生產(chǎn)環(huán)節(jié)中質(zhì)量檢測(cè)效率低、人工標(biāo)準(zhǔn)不一、漏失與過(guò)殺等問(wèn)題。內(nèi)容以質(zhì)量數(shù)據(jù)為核心的智造4.0為主線涵蓋戰(zhàn)略合作背景、AI智能檢驗(yàn)應(yīng)用案例、實(shí)時(shí)質(zhì)量數(shù)據(jù)采集與機(jī)器視覺(jué)技術(shù)架構(gòu)并從光學(xué)方案和深度視覺(jué)檢測(cè)兩個(gè)維度展示了可模擬人類視覺(jué)手眼腦配合的技術(shù)突破同時(shí)包含數(shù)字化工廠建設(shè)與未來(lái)工廠架構(gòu)思路。資源為1個(gè)pptx演示文稿約2.52MB內(nèi)容組織清晰已有149人學(xué)習(xí)。適合智能制造、質(zhì)量管理和企業(yè)數(shù)字化轉(zhuǎn)型的從業(yè)者通過(guò)該方案可快速了解AI質(zhì)檢在工業(yè)現(xiàn)場(chǎng)的落地路徑獲取基于私有云和混合云部署的實(shí)踐經(jīng)驗(yàn)并看到經(jīng)小批量驗(yàn)證、達(dá)到工業(yè)級(jí)要求的性能指標(biāo)。1. 為什么產(chǎn)線上的“眼睛”比算法更難解決一份PPT背后的質(zhì)檢落地全景智能制造AI質(zhì)檢員這個(gè)詞最近在產(chǎn)線技改里出現(xiàn)頻率越來(lái)越高。它不是某一個(gè)開(kāi)源模型或某臺(tái)設(shè)備的名稱而是一套“視覺(jué)感知 數(shù)據(jù)閉環(huán) 產(chǎn)線聯(lián)動(dòng)”的系統(tǒng)工程相機(jī)負(fù)責(zé)成像算法負(fù)責(zé)發(fā)現(xiàn)缺陷上位機(jī)負(fù)責(zé)和PLC握手最后還要有一套數(shù)據(jù)回流機(jī)制來(lái)對(duì)付產(chǎn)線上永遠(yuǎn)在變的光照、材質(zhì)和批次差異。一份解決方案應(yīng)用PPT本質(zhì)就是把這項(xiàng)工程拆成客戶能驗(yàn)收、算法能落地、產(chǎn)線能運(yùn)行的邊界。它適合三類人做自動(dòng)化集成的工程師、工廠里負(fù)責(zé)產(chǎn)線技改的工藝或設(shè)備負(fù)責(zé)人以及要給客戶做方案匯報(bào)的售前人員?？炊@份PPT背后的落地路徑比看懂排版要重要得多。2. 把方案拆成可驗(yàn)收的架構(gòu)場(chǎng)景邊界、成像選型和工位聯(lián)動(dòng)很多AI質(zhì)檢方案拿出來(lái)沒(méi)法落地不是因?yàn)樗惴ú恍卸且驗(yàn)樾枨鬀](méi)拆清。2.1 先分清三類質(zhì)檢任務(wù)定位、檢測(cè)、分割各自的驗(yàn)收口徑做方案時(shí)習(xí)慣先問(wèn)一個(gè)問(wèn)題這臺(tái)設(shè)備到底在“看”什么。工業(yè)質(zhì)檢粗分三類任務(wù)算法路線、數(shù)據(jù)成本和驗(yàn)收指標(biāo)完全不同寫(xiě)進(jìn)PPT之前就要定下來(lái)。任務(wù)類型判斷內(nèi)容輸出形式常用算法路線驗(yàn)收指標(biāo)目標(biāo)定位部件缺失、錯(cuò)裝、位置偏移目標(biāo)框 類別檢測(cè)網(wǎng)絡(luò)YOLO類漏檢率、誤檢率缺陷檢測(cè)劃痕、臟污、裂紋、壓傷缺陷框 類別 等級(jí)檢測(cè)網(wǎng)絡(luò) 分類頭漏檢率、誤檢率、等級(jí)一致率像素分割毛刺、焊點(diǎn)形狀、面積性缺陷像素級(jí)掩膜 面積分割網(wǎng)絡(luò)IoU、面積誤差、檢出率這一區(qū)分直接決定數(shù)據(jù)標(biāo)注的格式。定位任務(wù)只要畫(huà)框缺陷檢測(cè)要畫(huà)框還要標(biāo)等級(jí)分割任務(wù)則是逐像素打掩膜。方案頁(yè)里如果只寫(xiě)“AI判定缺陷”客戶不知道你能交付到什么粒度算法團(tuán)隊(duì)也不知道要備多少人力。把驗(yàn)收口徑提前說(shuō)清楚項(xiàng)目才不會(huì)在最后驗(yàn)收時(shí)扯皮。2.2 相機(jī)、鏡頭和光源的選型步驟分辨率公式和打光選擇成像質(zhì)量決定算法上限的一半這句話在質(zhì)檢項(xiàng)目里基本成立。選型先算分辨率經(jīng)驗(yàn)算法是最小缺陷在圖像上至少占 5×5 像素否則模型很難把真實(shí)缺陷和噪聲分開(kāi)。最樸素的估算式單個(gè)像素對(duì)應(yīng)的物理尺寸 視野長(zhǎng)度 ÷ 相機(jī)橫向像素?cái)?shù)。比如視野 200 mm用 2448×2048 的 500 萬(wàn)像素相機(jī)單像素約 0.082 mm如果最小缺陷是 0.3 mm只占不到 4 個(gè)像素檢測(cè)難度極大。這時(shí)要把視野收窄或者換 2500 萬(wàn)像素以上的相機(jī)再不行就把一個(gè)大視野拆成兩個(gè)小視野相機(jī)分開(kāi)拍。鏡頭方面大視野加小缺陷優(yōu)先考慮遠(yuǎn)心鏡頭它的景深大、畸變小對(duì)微小缺陷的成像穩(wěn)定性遠(yuǎn)好于普通工業(yè)鏡頭。光源選擇更是直接對(duì)應(yīng)缺陷類型光源類型適用場(chǎng)景典型缺陷低角度環(huán)形光金屬、注塑件表面劃痕、刮傷背光透明件、輪廓外形毛刺、尺寸偏差同軸光高反光平面玻璃、鏡面劃傷穹頂光曲面、不平整表面臟污、壓傷偏振光強(qiáng)反光材質(zhì)消除反光干擾后的表面缺陷打光這塊最容易被低估。同一個(gè)缺陷在正光和側(cè)光下可能一百八十度大轉(zhuǎn)彎方案階段最好拿著樣品去現(xiàn)場(chǎng)驗(yàn)證打光方案而不是直接復(fù)制上一個(gè)項(xiàng)目的燈型。光源裝好以后還要固定角度和亮度后續(xù)模型漂移排查時(shí)這都是關(guān)鍵變量。2.3 工位布局與節(jié)拍預(yù)算觸發(fā)、曝光、推理和后處理的時(shí)間分配AI質(zhì)檢方案上產(chǎn)線第二個(gè)硬指標(biāo)是節(jié)拍。拍照觸發(fā)、曝光、圖像傳輸、算法推理、結(jié)果回寫(xiě)是一整條鏈路任何一環(huán)超時(shí)都會(huì)卡住產(chǎn)線。環(huán)節(jié)典型耗時(shí)說(shuō)明光電觸發(fā)到相機(jī)曝光5~15 ms硬件觸發(fā)最穩(wěn)軟件觸發(fā)有抖動(dòng)圖像傳輸GigE單幀數(shù) MB40~100 ms網(wǎng)絡(luò)帶寬和相機(jī)驅(qū)動(dòng)影響大預(yù)處理 推理 后處理120~400 ms取決于模型規(guī)模和 GPU結(jié)果回寫(xiě) PLC/MES10~30 ms通信協(xié)議和寫(xiě)入操作通常會(huì)給總耗時(shí)留 20% 余量。產(chǎn)品節(jié)拍 1 秒時(shí)整條鏈路別超 800 ms節(jié)拍 0.5 秒時(shí)就得認(rèn)真做推理加速或者降低輸入分辨率來(lái)?yè)Q速度。工位布局還要考慮一件事觸發(fā)信號(hào)不要用上位機(jī)軟件去轉(zhuǎn)發(fā)直接讓光電開(kāi)關(guān)接 PLC再由 PLC 用硬接線觸發(fā)相機(jī)能省掉很多間歇性漏拍的排查時(shí)間。3. 數(shù)據(jù)工程標(biāo)注規(guī)范、合成增強(qiáng)和臟數(shù)據(jù)清洗AI質(zhì)檢項(xiàng)目里模型訓(xùn)練只占兩成工作量剩下八成都在數(shù)據(jù)上。3.1 標(biāo)注規(guī)范先于模型缺陷類別、等級(jí)和雙人復(fù)核第一步永遠(yuǎn)是把標(biāo)注規(guī)范寫(xiě)清楚否則后面所有模型迭代都是給垃圾數(shù)據(jù)打工。標(biāo)注規(guī)范至少要包含缺陷類型枚舉、等級(jí)定義和標(biāo)注形態(tài)三部分。缺陷類型建議用工藝術(shù)語(yǔ)比如劃傷、壓傷、臟污、毛刺、氣泡不要出現(xiàn)“有點(diǎn)奇怪”這種模糊描述。等級(jí)要對(duì)應(yīng)客戶判級(jí)標(biāo)準(zhǔn)例如 A 級(jí)致命缺陷必須剔除、B 級(jí)不良需返修、C 級(jí)可放行標(biāo)注員要能按標(biāo)準(zhǔn)樣例判斷。標(biāo)注形態(tài)上定位類缺陷用框面積類缺陷用多邊形不能混用。實(shí)際項(xiàng)目中常遇到兩個(gè)坑一是不同標(biāo)注員對(duì)同一缺陷的理解不一致二是部分邊緣樣本被隨手標(biāo)了“忽略”。應(yīng)對(duì)方法是雙人標(biāo)注加抽檢——兩個(gè)標(biāo)注員獨(dú)立標(biāo)同一批圖算標(biāo)注一致性低于 0.8 就打回重標(biāo)質(zhì)檢員和工藝員再抽檢 10%重點(diǎn)看等級(jí)判定是否符合判級(jí)標(biāo)準(zhǔn)?，F(xiàn)在也有團(tuán)隊(duì)用多模態(tài)大模型做初標(biāo)標(biāo)注員只改錯(cuò)能明顯提速但大模型標(biāo)出的邊緣框常常偏大或偏小必須有人復(fù)核。3.2 數(shù)據(jù)增強(qiáng)的邊界亮度、模糊、噪聲加多少才不騙模型數(shù)據(jù)增強(qiáng)不是越多越好而是要讓樣本分布貼近產(chǎn)線真實(shí)環(huán)境。車間里有幾個(gè)變量是必須覆蓋的白天和晚上的光照變化、燈管老化、皮帶輕微振動(dòng)帶來(lái)的運(yùn)動(dòng)模糊、相機(jī)傳感器噪聲。增強(qiáng)類型常用范圍注意點(diǎn)亮度變化±20%模擬日曬光和燈管老化對(duì)比度±15%反光材質(zhì)在不同角度的表現(xiàn)高斯噪聲σ 不超過(guò) 10太強(qiáng)會(huì)把小缺陷淹沒(méi)運(yùn)動(dòng)模糊3~5 像素只用于產(chǎn)線確實(shí)會(huì)振動(dòng)的工位旋轉(zhuǎn)±5°超過(guò)實(shí)際擺放角度的旋轉(zhuǎn)會(huì)讓模型學(xué)到“歪”這里最容易翻車的是疊加過(guò)度增強(qiáng)。正常產(chǎn)品在產(chǎn)線上根本不會(huì)出現(xiàn) 45° 旋轉(zhuǎn)或強(qiáng)模糊增強(qiáng)出來(lái)只會(huì)讓模型把正常紋理誤判成缺陷。做增強(qiáng)前先拍一段產(chǎn)線真實(shí)運(yùn)行視頻統(tǒng)計(jì)光照和角度的波動(dòng)范圍再照著這個(gè)范圍去設(shè)增強(qiáng)參數(shù)。3.3 缺陷樣本不夠怎么辦合成缺陷、離線回收和鄰域遷移冷啟動(dòng)階段最頭疼的是缺陷樣本不足。初期產(chǎn)線合格率本來(lái)就高線上能抓到的缺陷圖一天就幾張遠(yuǎn)不夠訓(xùn)練。常見(jiàn)的解決辦法有三條。合成缺陷在無(wú)缺陷的圖上畫(huà)缺陷比如用畫(huà)線加模糊模擬劃痕、用隨機(jī)斑點(diǎn)加亮度變化模擬臟污再疊加噪聲。合成樣本不能當(dāng)主力但能讓模型先“見(jiàn)過(guò)”缺陷的大致樣子等真實(shí)樣本積累后再微調(diào)。離線回收這是被多數(shù)人忽略但很有效的渠道?？屯思⒎敌蘧€、維修區(qū)里能淘到大量真實(shí)缺陷產(chǎn)品組織人拍一輪比在產(chǎn)線上等一個(gè)月還高效?；厥諘r(shí)注意保持和在線拍攝相同的光源和機(jī)位。鄰域遷移找相近工序或相近材質(zhì)的已有缺陷庫(kù)先粗標(biāo)后清洗再用到當(dāng)前項(xiàng)目。比如都是拉絲金屬表面A 產(chǎn)品的劃痕樣本對(duì) B 產(chǎn)品就有參考價(jià)值但必須在遷移后重新檢查和標(biāo)注不能直接拿來(lái)就用。4. 模型訓(xùn)練與閾值調(diào)優(yōu)小缺陷、過(guò)檢率和漏檢率的平衡質(zhì)檢項(xiàng)目對(duì)算法的要求不是“能檢出來(lái)”而是在漏檢和誤檢之間找到平衡點(diǎn)。4.1 檢測(cè)還是分割根據(jù)缺陷尺寸決定模型路線模型結(jié)構(gòu)不是越大越好關(guān)鍵看缺陷在圖像里占多大比例。檢測(cè)網(wǎng)絡(luò)對(duì)小目標(biāo)天然不敏感分割網(wǎng)絡(luò)在細(xì)長(zhǎng)缺陷上的表現(xiàn)通常更穩(wěn)。缺陷面積占比推薦路線理由大于 5%目標(biāo)檢測(cè)即可特征明顯漏檢風(fēng)險(xiǎn)低1%~5%目標(biāo)檢測(cè) 提高輸入分辨率小特征需要更多像素表達(dá)小于 1% 或只有幾十像素分割模型或兩階段裁剪檢測(cè)框在小目標(biāo)上極不穩(wěn)定金屬表面的細(xì)劃痕經(jīng)常是 2~5 像素寬度占整張圖不到 0.1%直接訓(xùn)練 YOLO 類模型很容易漏檢。我一般先做一個(gè)全局檢測(cè)把疑似區(qū)域框出來(lái)再把區(qū)域裁剪放大用分割模型判斷是否真缺陷。這個(gè)兩階段做法訓(xùn)練和部署都比直接上超大模型好控制是質(zhì)檢項(xiàng)目里很常見(jiàn)的后悔藥。4.2 數(shù)據(jù)劃分與損失函數(shù)先把驗(yàn)證集洗干凈再談參數(shù)數(shù)據(jù)劃分有個(gè)容易踩的坑按隨機(jī)方式切分訓(xùn)練集和驗(yàn)證集會(huì)把同一批產(chǎn)品在不同角度拍的圖分到兩邊驗(yàn)證集指標(biāo)虛高。正確做法是按產(chǎn)品批次、按生產(chǎn)時(shí)段劃分保證驗(yàn)證集和訓(xùn)練集是“不同批次的產(chǎn)品”這樣測(cè)出來(lái)的指標(biāo)才接近上線表現(xiàn)。損失函數(shù)方面框回歸用 CIoU 是檢測(cè)任務(wù)的標(biāo)配分類可以配 focal loss 來(lái)處理正負(fù)樣本極不平衡的問(wèn)題尤其適合缺陷占比很小的場(chǎng)景。訓(xùn)練參數(shù)業(yè)內(nèi)常用起步值是輸入分辨率 640、批大小 8 到 16、初始學(xué)習(xí)率 1e-3、權(quán)重衰減 5e-4再加上 warmup。遇到小目標(biāo)時(shí)把輸入分辨率提到 1280或者用裁剪策略比盲目加大模型更有效。4.3 壓低誤檢率的三板斧閾值掃描、規(guī)則復(fù)查和人工復(fù)核很多項(xiàng)目最后不是漏檢問(wèn)題而是誤檢太多把好產(chǎn)品當(dāng)成缺陷剔掉產(chǎn)線老師傅直接投訴。壓低誤檢率有三個(gè)常規(guī)手段。第一是閾值掃描。模型給出的置信度不能直接當(dāng)概率用要在驗(yàn)證集上畫(huà)召回率-誤檢率曲線選一個(gè)“漏檢率達(dá)標(biāo)且誤檢率最低”的置信度閾值。第二是規(guī)則復(fù)查。有些誤檢是紋理、面積、長(zhǎng)寬比這些因素導(dǎo)致的可以在模型輸出后加規(guī)則過(guò)濾比如面積小于設(shè)定值的缺陷不判 NG、方向和產(chǎn)品紋理一致的細(xì)線不判劃傷。第三是人工復(fù)核臺(tái)。置信度落在模糊區(qū)間的樣本自動(dòng)流向復(fù)核工位由人工做最終判定判定結(jié)果回填到數(shù)據(jù)集里下一輪訓(xùn)練再吸收。當(dāng)質(zhì)檢結(jié)果不再只是 OK/NG而是“感知—判定—?jiǎng)幼鳌钡男￠]環(huán)時(shí)這套系統(tǒng)就已經(jīng)帶上了一點(diǎn)多 AI 協(xié)作的味道檢測(cè)模型、規(guī)則引擎、復(fù)核崗位各司其職也正是工業(yè)場(chǎng)景里 AI Agent 落地最樸素的形態(tài)。5. 產(chǎn)線聯(lián)調(diào)階段的排查手記推理速度、PLC握手和模型漂移模型在實(shí)驗(yàn)室跑得好只是第一步真正見(jiàn)真章的是產(chǎn)線聯(lián)調(diào)那幾天。5.1 推理時(shí)間超標(biāo)的排查從 ONNX 到 TensorRT 的加速路徑現(xiàn)象現(xiàn)場(chǎng)反饋“算法卡、圖片積壓”單張 1200 萬(wàn)像素圖測(cè)試耗時(shí) 1.2 秒產(chǎn)線節(jié)拍根本跟不上。原因模型還在用 PyTorch 的 FP32 跑NMS 在 CPU 上算圖像預(yù)處理也用 CPU 完成幾個(gè)瓶頸疊加在一起。解決先把模型導(dǎo)出成 ONNX再轉(zhuǎn) TensorRT 的 FP16 引擎這一步能把推理時(shí)間壓縮到原來(lái)的五分之一左右。# 常用做法用 trtexec 把 ONNX 模型轉(zhuǎn)成 FP16 TensorRT 引擎 trtexec --onnxdefect_model.onnx --saveEnginedefect_fp16.engine --fp16 \ --workspace2048 \ --minShapesimage:1x3x640x640 \ --optShapesimage:1x3x640x640 \ --maxShapesimage:1x3x640x640參數(shù)說(shuō)明--fp16開(kāi)啟半精度推理顯存緊張時(shí)優(yōu)先啟用--workspace指定構(gòu)建引擎時(shí)的最大顯存--minShapes、--optShapes、--maxShapes分別定義運(yùn)行時(shí)輸入的最小、最優(yōu)和最大尺寸因?yàn)橘|(zhì)檢場(chǎng)景里 batch 通常固定為 1三組值設(shè)為一致即可。NMS 在 CPU 上慢的問(wèn)題可以把 NMS 作為插件并入 TensorRT 圖或者用 GPU 版的后處理實(shí)現(xiàn)。這一步做完單張從 1.2 秒降到 220 毫秒在工控機(jī)上是可以做到的。這類加速效果基本靠實(shí)測(cè)每張卡的算子實(shí)現(xiàn)都不一樣別只看紙面算力。轉(zhuǎn)換完記得跑一遍精度對(duì)比FP16 對(duì)小缺陷的灰度差偶爾會(huì)有影響如果漏檢率上升退回 FP32 優(yōu)先保精度。5.2 通信握手丟幀的排查硬觸發(fā)與時(shí)序確認(rèn)現(xiàn)象上線第二天開(kāi)始出現(xiàn)間歇性漏檢測(cè)有些產(chǎn)品明明到了工位卻沒(méi)拍照或者結(jié)果還沒(méi)寫(xiě)回 PLC 就已經(jīng)流到下一個(gè)環(huán)節(jié)。原因拍照用軟件觸發(fā)上位機(jī)收到信號(hào)再發(fā)指令給相機(jī)延遲和網(wǎng)絡(luò)抖動(dòng)導(dǎo)致丟幀另外上位機(jī)和 PLC 之間沒(méi)有完整的握手確認(rèn)上位機(jī)結(jié)果還沒(méi)寫(xiě)完P(guān)LC 已經(jīng)進(jìn)入下一節(jié)拍。解決把觸發(fā)改成硬件觸發(fā)光電開(kāi)關(guān)接 PLCPLC 直接給相機(jī)觸發(fā)線發(fā)脈沖延遲能穩(wěn)在幾毫秒內(nèi)。同時(shí)把通信時(shí)序改成雙向握手第一步等“啟動(dòng)”信號(hào)第二步給“完成”信號(hào)第三步才給“結(jié)果”信號(hào)任何一步超時(shí)就報(bào)警停機(jī)。步驟信號(hào)方向內(nèi)容超時(shí)處理1光電 → PLC工件到位持續(xù)等待2PLC → 相機(jī)硬觸發(fā)拍照10 ms 內(nèi)3相機(jī) → 工控機(jī)圖像就緒200 ms4工控機(jī) → PLCOK/NG 缺陷編碼判定結(jié)束后立即發(fā)送5PLC → 氣缸NG 剔除動(dòng)作一個(gè)節(jié)拍內(nèi)完成提示聯(lián)調(diào)期間建議先在桌面上把整套握手時(shí)序模擬一遍確認(rèn)每個(gè)信號(hào)的超時(shí)邏輯再上產(chǎn)線接真實(shí)設(shè)備能省掉大半天現(xiàn)場(chǎng)排錯(cuò)時(shí)間。5.3 模型漂移的排查光照變化和材料批次是主要來(lái)源現(xiàn)象模型上線兩周內(nèi)誤檢率都在 0.5% 以下第三周突然升到 3%現(xiàn)場(chǎng)開(kāi)始大量誤剔。原因排查下來(lái)通常是兩個(gè)變量變了。第一是光照漂移車間燈管老化亮度降低或者白天陽(yáng)光照進(jìn)車間改變色溫第二是材料批次變化新一批來(lái)料底色更深、表面粗糙度不同模型沒(méi)見(jiàn)過(guò)這個(gè)分布。解決建立標(biāo)準(zhǔn)樣件快檢制度每班開(kāi)工前用同一塊標(biāo)準(zhǔn)樣件過(guò)一遍設(shè)備記錄檢出率和置信度分布數(shù)值偏離基線就觸發(fā)校準(zhǔn)。新批次材料上線前先抽幾件過(guò)一遍模型如果置信度整體下降就要考慮補(bǔ)充標(biāo)注和微調(diào)。還有一個(gè)容易漏的環(huán)節(jié)NG 品在產(chǎn)線上被不斷剔除離線數(shù)據(jù)集里幾乎只剩 OK 品長(zhǎng)期下來(lái)模型只見(jiàn)過(guò)“好”和“舊壞”新缺陷永遠(yuǎn)學(xué)不到。所以要從返修線、客退件里周期性地回收 NG 圖像回填訓(xùn)練集這也成了算法交付后測(cè)試開(kāi)發(fā)工作的固定內(nèi)容。6. 上線后的模型驗(yàn)證與迭代控制圖盯誤判率回歸庫(kù)做滾動(dòng)更新模型上線不是項(xiàng)目終點(diǎn)真正的難點(diǎn)在持續(xù)迭代。我習(xí)慣用兩套工具來(lái)管理迭代風(fēng)險(xiǎn)。第一套是誤判率控制圖。每班隨機(jī)抽檢 100 個(gè)產(chǎn)品記錄誤檢個(gè)數(shù)畫(huà)成 p 控制圖中心線取歷史均值控制上限按 p ± 3√(p(1-p)/n) 計(jì)算。任何一個(gè)點(diǎn)超出控制線當(dāng)天就拉數(shù)據(jù)集排查不拖到周報(bào)。這套做法的價(jià)值在于它能穿透“今天運(yùn)氣好”的錯(cuò)覺(jué)把模型漂移暴露在早期。第二套是回歸樣本庫(kù)。從每個(gè)缺陷類型里挑出有代表性的圖固定 1000 張左右單獨(dú)存放不動(dòng)。每次改模型結(jié)構(gòu)、換損失函數(shù)或者重新標(biāo)注后都要先在這套回歸庫(kù)上跑一遍分缺陷類型看召回率變化而不是盯著一個(gè)綜合準(zhǔn)確率。這個(gè)習(xí)慣救過(guò)我一次有一回新模型在綜合指標(biāo)上全面領(lǐng)先回歸庫(kù)檢查卻發(fā)現(xiàn)小劃痕的召回率從 0.9 掉到了 0.7翻車原來(lái)就藏在最容易被平均值掩蓋的地方。滾動(dòng)更新的路徑通常是新數(shù)據(jù)采集兩周 → 重新標(biāo)注 → 訓(xùn)練新版本 → 在回歸庫(kù)和真實(shí)產(chǎn)線做 A/B 對(duì)比 → 確認(rèn)各個(gè)缺陷類型指標(biāo)都不降再灰度替換舊模型。每一步都留版本記錄模型文件和推理引擎一起歸檔出問(wèn)題隨時(shí)回滾。希望這些排查和迭代的經(jīng)驗(yàn)對(duì)你做智能制造AI質(zhì)檢員方案能有點(diǎn)實(shí)際幫助希望你在產(chǎn)線上少踩我當(dāng)年踩過(guò)的坑也希望這套方案的每一頁(yè)都落得下去、驗(yàn)得出來(lái)。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取