企业官网建设流程全解析

新品 YOLO 缺陷检测冷启动：每类只有十几个缺陷样本，如何在研发期做到可上线（系列第 9 篇）

新品发布，产线催着"检测功能先跑起来"，但翻遍全场只攒下一两百张整板图——摊到每个缺陷类别头上，只有十几二十个标注框。这个量级对"能不能出框"够用，对高精度工业识别要的稳定性和置信度，还差着距离。用 YOLO 做工业缺陷检测的人，迟早会被"新品先上线、数据以后再补"这句话压一遍。

这篇讲我们的真实应对：126 张整图、三类缺陷共 54 个标注框（每类 12~22 个）起步，靠迁移学习、样本效率三板斧、标注预算精算和一个能自转的数据飞轮，16 天内把一级检测做到 test 检出率 100%、二级分类 Top1 91.7%，并且之后每周都能稳定变强。适合样本总量不算少、但摊到每类就捉襟见肘的工业视觉工程师。

一、先定义什么叫"研发阶段基本可以商用"

样本少的时候最容易犯的错是盯着 mAP 焦虑。我们后来想明白了，研发期的验收标准应该是四个操作性指标：

1. 检出率满格：test 集缺陷一个不漏（漏检是产线事故，误报不是）
2. 误报有兜底：误检框能被二级判 ok 吸收，不污染良品率
3. 置信度可定阈值：分数结构清晰，拦截线划得下去
4. 迭代够快：新来一批图，当天就能完成"标注 → 训练 → 评估"一轮

这四条和"论文级精度"无关，但恰好是"能不能先上线跑着"的判定标准。后面所有动作都是围着这四条转的。

二、样本效率三板斧：让每一张图发挥三张的作用

第一板斧：预训练底模迁移。不从零训。yolov8n 的骨干在 ImageNet 上学过通用纹理特征，我们要教它的只是"板材上的这种纹路是缺陷"——几十个样本够教这个，不够教"什么是纹理"。

第二板斧：切片放大相对尺寸。整板图 2048×1536，缺陷框中位只有 150~200px（占图宽 5~8%）。直接训，缩到 imgsz 后缺陷只剩几十像素。切成 1280×1280 的片（overlap 0.2），缺陷在片里的相对尺寸接近翻倍——等价于不花一分钱标注把"有效分辨率"翻了一倍。我们的 126 张整图切出 229 片、160 个框。

第三板斧：crop 放大给分类器。这是 08 那篇的重点：检测框裁下来外扩 20%、缩放到 224×224 喂分类模型，有效像素再翻几倍。细粒度分类拼的就是像素，这一步是白捡的。

三板斧下来，"54 个框"实际发挥的信息量远超字面。

三、标注预算精算：每一张人工标注都花在刀刃上

样本少时，标注人力是最贵的资源，不能瞎标。三个机制配合：

批量预标注：有一个初始模型后，让它先标一遍，人工只做确认和修正。标注从"画框"变成"点确认"，效率数倍提升。

主动学习扫描：模型跑一遍所有未标注图，按"模型最没把握"的程度排序，优先标模型最不会的图。标 100 张模型已经很有把握的图，不如标 20 张它犯迷糊的——同样的标注预算，信息增量差好几倍。

标注自查：训练完拿模型回头扫训练集，找"疑似漏标"（模型很确定有缺陷但你没标）和"疑似错标"（你标的和模型认的完全对不上）。我们第一次跑自查就捞出 15 条疑似问题。小样本数据集里每一张错标的杀伤力都被放大——54 个框里错 3 个就是 5% 的噪声。

四、数据飞轮：上线之后模型自己长数据

冷启动不是一次性冲刺，是一个能转起来的循环：

模型上线试跑 → 收它的误检框（自动变成 ok 负样本）和漏检图（人工补标） → 缺陷 crop 数据集重新生成 → 二级分类重训（实测 40 秒） → 标注自查清洗一轮 → 新版本评估 → 下周一模型更强

几个让飞轮转得起来的关键设计：

• 二级重训只要 40 秒，所以"改标注、调类别、补负样本"这类实验可以随便做，一天迭代十轮不心疼
• 误检框是免费的高质量负样本：模型说"像缺陷"而人工没标的区域，正是它最容易犯的错，裁下来喂 ok 类，误报率一代比一代低。挖取的判断逻辑只有几行：

# 误检框 = 与所有 GT 框 IoU 都低于阈值的预测框（GT 为空的图上，所有预测框都算误检）forpredinpreds:# preds: 一级模型的预测框，按 conf 降序ifpred["conf"]<conf_thresh:continueifall(iou(pred,gt)<iou_threshforgtingt_boxes):save_as_negative(crop(pred))# 裁下来，标为 ok 类

• 数据集版本快照保证"这个模型用的到底是哪版标注"可追溯，飞轮转十圈也不会乱

五、真实数字时间线

从"只有几十张图"到"两级模型上线试跑"，跨度 16 天。核心工时不在训练，而在标注和评估纪律——机器时间总共不到半小时。

什么时候不用这套打法

• 缺陷形态新品间差异巨大：飞轮的价值在于同一产品线持续积累，如果每个新品的缺陷都要重新学"什么是纹理"，三板斧的收益会打折
• 首批样本一张都没有：冷启动至少需要几十张带标注的图破冰，零样本请先用规则/OpenCV 传统方法顶着
• 产线误判成本极高且无人复核：研发期模型再好用也建议配人工复核岗，飞轮攒的是"每周变强"，不是"一步到位"
• 没有迭代条件：如果上线后数据回不来（涉密产线等），飞轮转不动，那不如一次性多标注再上

诚实交代局限

• 先纠正一个容易误导的画面：我们的现场并不轻松——车间木屑粉尘多、背景杂乱干扰无法完全去除，缺陷又很细微，很多缺陷肉眼看图都得放大找半天。这套打法恰恰是在这种工业级场景里磨出来的，不是"纹理规律性强所以容易"。真正的边界在别处：我们缺陷体系是稳定的（固定三类）；如果你的产线缺陷类型本身在频繁变化、定义还在演化，同样的迭代节奏未必跟得上——飞轮攒的是"同一套缺陷体系"上的复利
• test 集很小（5 个缺陷框），100% 检出率的置信区间其实很宽——小样本下的指标要留有余地读，别外推
• 二级分类器的 91.7% 是在 12 张 val crop 上算的，裂纹类样本仍不足，正在补数据中
• 我们没有做过"同一节点上这套打法 vs 蛮力多标注"的对照（现实中没有平行宇宙），飞轮省的标注量无法给出精确数字

小结

• 研发期"可商用"的判定是四条操作标准：检出满格、误报有兜底、置信度可定阈值、迭代够快——不是 mAP；
• 样本效率三板斧：预训练迁移、切片放大、crop 放大，全部零新增标注；
• 标注预算花在"模型最没把握的图"上，主动学习排序比闷头按顺序标效率高数倍；
• 飞轮的关键部件是"误检框自动变负样本"和"二级重训 40 秒"——迭代成本越低，模型长得越快；
• 级联结构（08）和冷启动打法（本篇）是同一件事的两面：样本少时，结构为数据效率服务。

FAQ

Q：首批几十张图都没有怎么办？
先破冰再谈飞轮：让工艺/质检同事用一周时间攒 30~50 张带典型缺陷的图（手机拍后补拍也行），配合传统图像方法（阈值、边缘）先顶一个粗筛。没有这几十张，任何深度方法都起不来。

Q：为什么不用数据增强把 54 个框变五千个？
增强在用，但要有自知之明：翻转/亮度/裁切变的是几何和光照，变不出"新的缺陷形态"。54 个框的多样性就是 54 个框的多样性，增强只是防止过拟合的手段，不是数据量的替代品。真正的增量来自飞轮收集的新图。

Q：一级模型为什么也要在研发期就训，不等数据攒够？
因为它是飞轮的发动机：没有一级模型就没有预标注、没有主动学习排序、没有误检框挖矿。研发期的第一版模型不要求多准，能把"大概在哪"学会就够驱动整个循环了——我们 9.28 批次的第一版整图模型 mAP50 只有 0.43，换成切片数据后第二天就冲到 0.995（07 篇有完整对照）。早期模型的价值是启动循环，不是直接上岗。

Q：二级分类 40 秒训完，是不是说明它很水？
恰恰相反，这是设计出来的优势。分类模型小（yolov8n-cls，3MB）、输入是几百张 crop，快是应该的。快意味着你敢做实验：调 pad、换负样本比例、清洗标注后重训，每个想法几分钟出结果。模型质量是迭代出来的，迭代速度就是质量的生产力。

Q：新品换得勤（一个月一个新板材），这套还转得动吗？
转得动，而且越转越省：同一产品线的缺陷形态有共性，老品的模型给新品做预标注，新品的破冰标注量会明显少于第一个品。第一个品是最难的，之后每个新品都在吃飞轮的复利。

技术栈：FastAPI · SQLite · Vue 3 · ultralytics

本系列共 6+4 篇（1~6 为平台搭建篇，7 起为 2.0 应用篇）：

• 系列第 1~6 篇：见「yolo训练管理」目录（平台搭建：踩坑教训 / 选型 / 训练进程管理 / 数据一致性 / Windows 打包 / 方法论）
• 系列第 7 篇：大图切片训练——框处理策略演进（2.0 开篇）
• 系列第 8 篇：小缺陷细分类——两级级联的结构
• 系列第 9 篇：新品缺陷检测冷启动——每类十几个样本的迭代打法（本篇）
• 系列第 10 篇：级联上线实操——阈值、误报兜底与监控

有问题欢迎评论区交流。