车间里的怪事：小样本缺陷生成到底骗了多少老技工？

今早蹲打磨工段抽烟，看见新来的大学生对着检测屏幕挠头。他说上周调AI缺陷检测模型，就那么几个不合格的样，用新出的方法生成了一堆，训练出来准确率挺高，怎么今天一测产，好好的零件被标成坏的，真有缺陷的反倒放过去了。 我凑过去一看，乐了。又是这毛病。

为啥好好的方法，一用就错？

现在机械零部件做AI质检，最头疼的就是缺缺陷样本。量产稳定的时候，一万个零件出不了十个坏的，等你攒够百八十个不同的缺陷，生产线都改款了。小样本缺陷生成就是干这个的——你给我三五个真缺陷，我帮你变出一堆够训练的新样本，听着是不是很香？ 但是这里头的坑，十个干算法的有八个踩。缺陷本身的稀有性，才是问题的根源。 你想啊，新出的缺陷本来就少，仅有的几个样本还都长得差不多。比如上次我们出的压痕缺陷，刚改模具那会，所有压痕都在零件右上角，刚好抽出来的三个样全在那，AI就学了个十成十。生成出来的几十个样本，全是一模一样位置的压痕。真到量产，压痕在哪冒出来的都有，AI当然不认。 机械零部件表面AI检测缺陷样本集

生成出来的缺陷，为什么总是不对味

说实话，我见过太多生成出来的缺陷，隔着屏幕都能看出不对劲。要么就是纹理糊成一团，要么就是缺陷位置死僵，和真零件上自然出来的缺陷完全不一样。你拿这种样本训练，能出好结果才怪。 之前我们试过不同方法做对比，一种是纯AI生成不干预，一种是生成完老技工挑一遍，结果准确率差了快二十个点。 很多人说，这不就是AI模型不够好呗。其实不全是。你给AI的料就那三五个，它能变出什么花来？就像你给厨子一棵白菜，让他做出十道不一样的荤菜，他再厉害也做不出来啊。 不过话说回来，要是方法对，知道边界在哪，小样本缺陷生成真能帮大忙。去年我们改工艺，出了一种新的砂眼缺陷，攒了半个月才攒出四个真样本，要是等攒够五十个，这批订单都交了。用小样本生成了三十个，我们三个老技工花了两个小时筛了一遍，留下十八个看着真的，训练出来的模型，上线后误判率不到三个点，够用了。 小样本缺陷生成真假缺陷对比图

别把工具当灵丹妙药

别把工具当灵丹妙药 我干了快三十年机械，见多了吹得神乎其神的新技术，落地全是坑。小样本缺陷生成就是典型。很多人上来就说，以后不用人攒样本了，AI全包了。扯。 小样本缺陷生成不是用来帮你偷懒的，是帮你补样本缺口的。真到干活，该有人把关就得有人把关。那些说完全不用人碰的，要么是没在车间真干过，要么就是故意吹牛逼骗项目钱。 我见过最离谱的，有人拿生成的缺陷样本训练，连人都不看一眼，上线后堆了两千个待检零件，全堵在质检工位，产线都停了大半天，最后还是我们几个老头加班筛了半宿才理顺。那之后那群搞算法的再来，都乖乖拉着我们一起看生成的样本。 其实说穿了也没什么神秘的。你有个三五个真缺陷，生成一堆，挑挑拣拣留能用的，比你花几个月攒样本快多了，这就够了。别指望它能变出一堆比真样本还好用的东西，那不可能。 现在很多年轻人刚进车间，上来就玩新算法，总觉得老技工那套经验没用，其实真不是。你生成的东西像不像，合不合实际生产的情况，老技工一眼就能看出来，这本事，AI现在还学不来。对吧？