深度学习在工业视觉检测中的落地

数据是第一位

标注质量决定模型上限。缺陷样本少时，用数据增强、合成与难例挖掘补齐。别指望小样本直接上生产。

训练与验证

划分训练、验证、测试集，盯漏检率与误检率而非单纯准确率。工业场景漏检代价往往更高。

部署与迭代

模型上线后持续收集错例回灌训练，形成迭代闭环。把模型会老当成常态，才稳得住产线。