到底需要多少缺陷样本？

为什么五张就够

小样本训练提取多维特征，并提高有效信息的权重。它不是让模型看遍缺陷的所有变化，而是学习缺陷“哪里不一样”。

迁移学习进一步放大了这一优势。同材质、同工艺的产品共享的特征已经学过，新品只需学习差异部分。目前已有30多种模型相互兼容。

何时一张图像就够

大型板件、车身和大型电机实际上无法送样，因此用现场采集的单个样本建模。围绕实际产线设计成像条件，比搬运工件更准确。

何时仅用良品就够

单类训练学习良品的分布，并将超出该分布的情况标记为异常。适用于产品太新尚无缺陷历史，或缺陷极少、收集需要数月的情况。

如果需要按类型对缺陷分类——因为不同类型对应不同处置——则确实需要每类的样本。但每类仍只需五张左右。

此答案不适用的情况

• 如果缺陷连人眼也看不见，那么光学配置比样本数量更优先。光源和镜头没能呈现的缺陷，任何算法都无法判定。
• 如果良品之间的差异比缺陷本身还大，就必须先定义标准。这在PoC阶段完成。
• 如果检测标准从未成文、只存在于检验员的经验判断中，首先要把这种判断转化为数据。

PoC实际包括哪些工作

• 确认检测对象和缺陷类型，签署NDA。
• 通过安全渠道接收样品或图像。
• 设计光学配置并采集图像。
• 训练模型，并以混淆矩阵呈现过检与漏检。
• 根据产线节拍和硬件核定检测速度。