一、项目背景

某零部件工厂想用视觉模型查表面缺陷，良品多、缺陷少，能标注的坏样本就几十张。直接上通用大模型零样本一测，漏检严重，产线根本不认，老师傅说你这还不如我眼睛。这个项目让我重新理解了一句话：工业场景里，模型不是越通用越好，是越贴产线越好。工厂那边对误检的容忍度极低，模型乱报停一次线，老师傅就再也不信系统了，所以我们的第一优先级不是指标多漂亮，是别惹人烦。我们进场时，厂里刚被一套通用方案坑过，上线两周因为误检停了三次线，产线主任把系统关了，对 AI 有点抵触，我们得先重建信任。

我们进场时厂里刚被一套通用方案坑过，上线两周误检停了三次线，主任直接把系统关了，所以这次我们的第一目标不是指标多好看，是先让主任敢把系统重新开起来。

我们进场时厂里刚被一套通用方案坑过，误检停了三次线，主任直接关了系统，对 AI 有点抵触，所以这次第一优先级不是指标多漂亮，是先让主任敢把系统重新开起来，信任比精度值钱。

二、落地场景

我们走小样本路线：先对几十张缺陷图做增广（翻转、加噪、局部遮挡模拟），再用 LoRA 做轻量微调，不动底座全量参数；缺陷按严重程度分级（划痕、凹点、裂纹），输出不只是有没有缺陷还有严不严重；误检的样本回灌给人工复核，复核结果再进训练集。整条链路接在产线摄像头后面，实时出结果，判废的件自动打标分流，判良的件直接过，只有低置信度的才转人工。车间大屏能看到实时检出率和误检数，主任一眼就知道系统今天靠不靠谱，信任是这么一点点建立起来的。

车间大屏能看到实时检出率和误检数之后，主任一眼就知道系统今天靠不靠谱，信任是这么一点点建立起来的，比任何演示都管用，演示会演戏，大屏不会。

产线主任后来跟我们说，系统能不能用，他第一眼看的是大屏上的误检数，这个数稳了他才放心，说明信任建设比指标报告更管用，大屏是最直接的语言。

三、关键技术挑战与解决思路

小样本过拟合是第一个坑，样本少模型容易记答案，我们用增广加 dropout 压住，训练集和验证集严格分开，不拿增广图当验证，否则验证分虚高上线就露馅。缺陷长尾分布是第二个，某类缺陷只有两三张，单独分反而更不稳，我们先归到大类再细分，分级模型先判大类再判等级，长尾类靠大类兜底不硬分。第三个是误检兜底，产线宁可漏检也受不了乱报停线，我们给误检留了人工复核通道，模型置信度低于阈值的直接转人工，不自动判废，宁可多一个人看也不乱停线。第四个是实时性，产线节拍快，推理必须压到几十毫秒，我们用了轻量底座而不是大模型。第五个是闭环，复核结果必须回流，否则模型不会越用越准，我们接了自动回流。

验证集不能拿增广图当这一点，我们一开始犯过，验证分虚高上线就露馅，后来严格分开，训练集增广、验证集用真实未增广图，分数才可信。

四、效果数据

小样本微调后漏检率从通用模型的三成多降到 5% 以内，老师傅开始愿意信系统，不再手动全检；误检率控制在可接受范围，靠人工复核兜底没出现停线，这点对工厂接受度最关键，主任说宁可多配一个复核也不想再停线；标注成本因为只有几十张，比全量微调省了九成，工厂舍得持续补样本，形成正循环；单张检出时效满足产线节拍，没拖慢线速。产线侧反馈是，最满意的是不乱报，敢把判定接进流程了，漏检的件由复核兜住，整体比纯人工稳。

标注成本省九成这件事，对工厂意义比模型指标还大，因为舍得持续补样本，系统进入正循环，越用越准，而不是一次性交付后慢慢退化。

五、可复用经验总结

缺陷识别别迷信大模型零样本，样本少的时候 LoRA 加增广比全量微调稳得多，也快得多。我们最早想上全量微调，光标注就劝退了工厂，换成小样本才推得动。但误检必须有人的位置，产线对假警报的容忍度极低，模型说废就废，回灌复核这步省不得，而且复核结果要回流，模型才会越用越准。置信度阈值定太低漏检、定太高误检，我们也是压了几轮产线数据才定下来，这个阈值没有通用答案，得贴自己的产线。实时性别忽视，推理慢了产线宁可不用，轻量底座比大模型在车间更实用。信任是屏上实时指标一点点攒出来的，别指望一次演示就让人服。

实时性别忽视，推理慢了产线宁可不用，我们选轻量底座而不是追大模型，在车间这种环境里实用比先进重要，老师傅只关心别停线别漏检。

案例片段（已脱敏）： LoRA 微调与缺陷分级配置片段：yaml lora:  r: 16  alpha: 32  target_modules: [q_proj, v_proj]  train_samples: 47 defect_grade: [scratch, dent, crack] human_review:  trigger: confidence < 0.6  action: route_to_qa误检回灌日志：[QA] 误检 id=IMG-0419 实际良品, 回灌 train_set +1 [EVAL] 漏检率 0.34 -> 0.05 after LoRA+aug