摘要：视觉项目失败常因“光学没定好就上算法”。本文给出从光源/镜头/相机到少样本学习、规则兜底、验收指标的完整流程。

1. 光学优先

• 光源：金属反光用同轴或偏振，塑料划痕用暗场环；

• 镜头：优先定焦，视场覆盖+分辨率≥缺陷尺寸×5；

• 治具：让缺陷“稳定出镜”，减少角度与高度变化。

2. 数据与建模

1. 每类缺陷收集 30–100 张，做旋转/噪声/亮度增广；

2. 轻量模型优先，Recall 目标 ≥ 99%，再用规则减误报；

3. 把“样本来源、拍摄条件、版本号”写入数据卡。

3. 规则兜底

对边缘毛刺、油污面积等特征明显场景，用阈值+连通域面积建立二次校验，提升可解释性。

4. 验收与上线

以小时为窗口统计 FP/FN，设置“人工复判池”，持续喂给模型做再训练。上线前跑 1–2 周“影子模式”最稳妥。

推荐阅读：

【机器视觉与AI】AI驱动的智能视觉检测：赋能制造业高精度质检与自动化

机器视觉与 AI 在工业自动化中的趋势与实践

外观检测项目 0→1：光学、算法与验收的完整闭环