车间里的特殊难题：小样本缺陷生成藏着哪些坑

昨天蹲在冲压车间墙角抽烟，新人小杨拽着电脑过来找我，脸皱得跟被踩过的钢板似的。 说他调了大半个月的AI缺陷检测，死活测不出那批偶尔才出的拉裂痕。我凑过去看，数据集里拢共才不到十个坏件，剩下全是好货。 哦，这不就是撞了小样本缺陷生成的鬼墙了嘛。

什么叫“只有几个坏件也要学”？

现在很多产线都上了AI质检，大部分常见缺陷好搞，一天出几百个坏件，攒够数据扔进去训练就行。 但有些偏门缺陷，半年才出十几个，甚至一两个。你总不能为了攒数据故意弄坏几十万的原材料吧？划不来。 小样本缺陷生成就是干这个的——给你几个现成的坏样，生出一大堆看起来一模一样的假坏件，喂给AI学。 很多人听着觉得神了，几个就能变出一堆？其实哪有那么玄乎。就像你只吃过一次奶奶做的腌萝卜，能靠着那点记忆，自己腌出十坛味道差不多的，对吧？大概就是这么个意思。 冲压钢板微小拉裂缺陷真实样本图

九成新人都会踩的隐形坑

我见得最多的问题，就是生成出来的缺陷，看起来像那么回事，其实根本不对。 上次有个刚毕业的小子，生成的拉裂痕宽得能塞进个手指甲，实际产线里的坏件，拉裂痕细得跟头发丝似的。AI学了一堆假玩意，真碰到坏件还是认不出来。 为什么会这样？说白了，你就给它三五个样本，它抓不住缺陷的核心特征，只能照着皮相生，骨头没摸到。 说实话，很多做算法的小伙子小姑娘没下过车间，不知道我们产线上的缺陷，哪怕同一个毛病，长的也千差万别。同一个拉裂，有的在边，有的在中间，有的长有的弯，你就给三个样本，生成出来的全跟那三个长一个模子，AI训练完只会认那三个样子，换个位置就傻了。 还有更坑的，生成出来的假缺陷，放到好钢板上，连人眼都看不出是假的——那是根本没踩在真实缺陷的位置上啊，AI学了有啥用？ AI生成冲压缺陷与真实缺陷对比图

老工人摸出来的接地气玩法

老工人摸出来的接地气玩法 不过话说回来，这东西也不是没用。我们车间现在用的法子，就挺灵，没那么多花里胡哨的理论。 首先，你不能全靠算法生成，得先人工把那几个真缺陷的特征捋一遍。比如我们的拉裂痕，大多出现在进料侧边，长度大多在几厘米范围，就把这些常识喂给算法，别让它瞎生成。说白了，你得给它划好圈，它才能往对的方向跑。 然后，生成完了，先过一遍人眼，把那些长得离谱的直接删掉，剩下的再用。别嫌麻烦，筛掉十个错的，比留着一百个错的有用多了。 还有个小技巧，生成缺陷的时候，不要只生成干干净净的缺陷，你给它加一点真实的噪声——就是我们车间钢板本来就有的氧化皮、浅划痕那种杂痕，混进去，生成出来的缺陷就更像真的，AI练出来也不会娇气。 哦对，别贪多。你原来只有10个真缺陷，生成个四五十个足够了，生成几百个，全是同质化的玩意，没用，还把真特征给冲没了。 我上次跟算法岗的朋友聊，他们说现在很多新方法，已经能把真实缺陷的特征抠出来，再拼接到正常的工件图上，比直接整张图生成靠谱多了。核心其实没变——你得把车间里摸出来的经验，先告诉算法，它才能生成对的东西。 那天我给小杨改了改生成的范围，又筛掉了一半不对的假缺陷，重新训了一遍，当天就把检出率提上去了。小杨还惊叹说原来这么简单，我就笑。哪是简单啊，是你没蹲在车间看够真缺陷，不知道坑在哪。 很多人把小样本缺陷生成吹得神乎其神，说什么几个样本就能搞定所有问题，其实到了生产现场，还得结合咱们手里的实打实的经验，才能真的用上。你要是光对着算法论文调参，不蹲机床边看两眼坏件长啥样，那调半年也调不对。 就这么点事，没那么玄乎。