摘要：当前国内制造产线的外观缺陷检测多数还在靠人工，漏检率高、招人难，不少工厂都在上AI智能检测，但十有八九上线效果达不到实验室预期。本文结合我们团队3C、五金两个行业近十个落地项目的经验，聊一聊AI产品外观缺陷智能检测算法模型从选型到优化的实际干货，给准备上车的中级工程师提个醒。
为什么通用开源模型在工业场景跑不通？
去年上半年我们接了东莞某锂电池工厂的盖板缺陷检测项目，一开始图省事，直接拿开源的YOLOv8预训练模型改了改，用工厂给的一千张标注图训完，实验室测准确率94%，看着挺美。
拉到产线试跑第一天，直接傻了！漏检率超过18%，误检更是一堆，工人要复核的比原来还多，工厂老板脸都黑了。
问题出在哪？说白了，通用模型本来就是给通用目标检测训的，跟工业外观缺陷完全不是一个路数。你想想锂电池盖板的划痕，最长也就2mm，宽度不到0.1mm，在2048分辨率的图里，占比不到万分之一。普通的下采样走个八倍，这个缺陷直接就没特征了，对吧？
还有，工业缺陷的类内差异太大了。同样是划痕，有的浅有的深，有的直有的弯，有的沾了点灰尘跟划痕长的几乎一样，通用模型哪见过这么多奇葩情况。
落地级AI产品外观缺陷智能检测算法模型的核心优化
说实话，那次踩坑之后我们花了两周时间重构模型，最后出来的效果才满足要求。说几个核心的优化点，都是拿钱砸出来的经验。
backbone不能瞎选。很多人上来就堆轻量模型，或者直接上大的Transformer backbone，其实都不对。我们现在做产线边缘端部署，单帧推理延迟必须控制在200ms以内，才能匹配每分钟120件的产线节拍，大模型根本跑不动。我们最后选的是改进的ResNet50 backbone，在颈部加了一层浅层特征注意力模块，专门放大微小缺陷的特征响应，这块我们测过，对小于0.5mm缺陷的召回率直接提了12个点。
然后，头不能只用检测头，要加细分割分支。现在很多算法只做目标检测，告诉你这里有缺陷，但工业场景还要算缺陷的面积、长度，要符合GB/T 41439-2022《产品外观缺陷检测通用规范》的分级要求，只有框的话根本不够用。加一个轻量的分割头，参数只增加不到8%，就能直接输出缺陷的轮廓，精度完全够。
不过话说回来，不是所有场景都要加分割。如果你的产品只需要判断有没有缺陷，不需要分级，那直接用改进的检测头就行，能省不少推理时间。我们之前给门锁厂做表面凹点检测，就没加分割，模型大小才12M，在Jetson Nano上跑，单帧才110ms，完全够用，精度也能到95%以上。
模型优化之外，最容易忽略的落地隐形坑
我见过太多团队，模型调的精度很高，一上线就拉胯，问题根本不在模型，在细节。
第一个坑，光照适应性。产线的灯用三个月就会衰减，亮度掉个10%很正常，夏天环境温度高，相机增益也会变，如果你训模型的时候只用实验室恒定光照的数据，模型根本扛不住。解决办法也简单，训数据的时候一定要加随机光照扰动、高斯噪声的数据增强，扰动范围要比你实际可能的变化大一圈，别偷懒。我们现在做项目，增强后的光照变化范围从-30%到+30%，不管灯怎么衰减，精度掉幅不会超过2%。
第二个坑，标注一致性。这个真的太容易踩了。我们之前做五金门把手的缺陷检测，训了三次模型，准确率怎么都上不去，最后翻标注才发现，三个标注工人，对“划痕”的定义完全不一样：学徒工把0.3mm的划痕都标进去，老工人只标0.8mm以上的，最后数据集本身就是乱的，模型怎么可能训的好？现在我们做任何项目，标注一致性要求必须高于95%，先定好缺陷分级规范，所有人标完之后交叉抽检，不合格全部重标，别嫌麻烦，比你后面调模型省时间多了。
第三个坑，边缘部署的量化损失。很多人训模型用FP32，训完直接量化成INT8上边缘端，精度掉七八个点都不知道怎么回事。量化的时候一定要做校准，拿一百张代表性的产线真实图做校准，量化之后精度掉幅控制在1%以内，完全没问题。别图快直接一键量化，那就是给自己找事。
做了快五年AI缺陷检测，最大的感受就是，这个方向拼的不是模型有多先进，是你对工业场景细节的把握有多深。AI产品外观缺陷智能检测算法模型，从来不是越大越好，越新越好，匹配你的产线节拍、硬件成本、缺陷类型，能稳定跑出符合要求的精度，就是好模型。
