简介：机器视觉工业缺陷检测的那些事是一份面向机器视觉工程师、自动化测试人员及工业检测入门者的PDF资料，围绕工件尺寸测量、表面缺陷检测和Logo标识检测识别等典型场景，系统梳理了视觉检测系统的完整构成。内容从基础的光源选型讲起，对比LED、萤光灯、卤素灯等常见光源的寿命与适用场景，并介绍了背向照明、前向照明、结构光、同轴光等照明方式在划痕、轮廓、字符检测中的实际取舍；随后给出工业相机分辨率、帧率、色彩深度等关键参数的选择思路，以及镜头、图像采集卡的配套要点。图像处理部分覆盖预处理中的去噪、增强、校正，以及边缘检测、模板匹配、灰度变换等检测识别算法，并补充了常用算法库信息，可直接用于项目方案梳理或部门内部分享。资源包共1个PDF文件，大小约1.26MB，内容以图文形式呈现，便于查阅和打印。该资料至今已有1188人学习，适合在工业视觉选型、算法选型或缺陷检测项目启动前快速建立整体认知。

1. 机器视觉工业缺陷检测：算法只占三成，剩下七成在成像与现场工程

做机器视觉工业缺陷检测的人，迟早会承认一件事：算法只占项目成败的三成，剩下的七成在成像、光源和现场工程。表面划痕、脏污、缺料、尺寸超差，这些原本靠老师傅目检的活儿，换成人眼替代方案后，真正的难点不是“能不能检测”，而是“换一个光照、换一个角度、换一条产线节拍后还稳不稳定”。这篇文章写给正在选型、准备上手第一个检测项目、或者已经被过杀率折磨到想砸设备的工程师。我会按照从需求拆解、硬件选型、算法实现到现场部署的路径，把可复现的代码、参数和踩坑记录一次讲清楚。

2. 拆解检测需求：成像方案、相机选型与算法边界

2.1 光源和相机先于算法：四种常用光源的适用场景

做缺陷检测项目，现场最常被问的一句话是“用什么算法”，但实际项目里，最先定的是“用什么光”。算法看到的图像质量，在图像采集那一刻就已经被决定了。同一个划痕，用低角度环形光能打出高对比度的暗场效果，换成正光可能完全隐没在纹理里。光源选型很多时候靠玄学，但基础规律是可以用一套经验框架的。

环形光安装在镜头周围，光线从四周打向工件。高角度环形光适合表面字符、定位标记的照明；低角度环形光专门做金属表面划伤检测，划痕会在暗背景下形成亮线，对比度极高。同轴光适合高反光平面，光路经过半反半透镜垂直打在物体上再原路返回，能看清玻璃、晶圆、手机屏表面的细微色差，缺点是对倾斜表面几乎没有效果。条形光适合大视野和倾斜照射，经常两三根组合使用，用来检出塑料件表面的凹凸和褶皱。穹顶光也叫球积分光源，光线经过球面内壁多次漫反射再均匀落在物体上，专门对付曲面和高反光物体，避免镜面反射造成的亮斑。

光源颜色不是随便选的。白光最通用，但红光打在蓝色或绿色材料上会形成强烈反差，蓝光能增强金色表面的氧化痕迹。更讲究的做法是加偏振片，把工件表面的镜面反光滤掉，只保留漫反射信息，这一步在检测拉丝金属和覆膜材料时几乎是必须的。下面这张表是我的常用选型参考：

光源类型	适用缺陷	典型场景	主要注意点
低角度环形光	划伤、压伤、凹凸	金属、轴承、螺钉端面	对安装高度敏感，要调
同轴光	色差、污点、玻璃裂纹	屏幕、晶圆、镜面	曲面表面会发暗
条形光组合	褶皱、纹理异常、缺料	塑料件、木材、纸张	角度不固定，需支架
穹顶光	曲面反光、整体均匀照明	药瓶盖、曲面外壳	亮度偏低，曝光要拉长

光源的亮度稳定性和寿命，往往决定一个检测系统能平稳跑多久。我一般会选带恒流驱动的光源控制器，而不是让光源直接接开关电源，否则LED一发热，电流漂移，图像灰度跟着飘，算法的阈值就得天天改。

2.2 相机选型与分辨率计算：面阵、线阵和镜头的搭配逻辑

光源定完，第二件事是选相机。大多数工件检测用面阵相机，拍一张图就能覆盖整个视野。如果检测对象是大幅面卷材，比如布匹、薄膜、钢板，或者产线运动速度很高、一次只能拍一条窄带，就要用线阵相机连续扫行拼接。判断依据很简单：工件能停住或低速通过，用面阵；工件高速不停、画面宽度又有几十厘米以上，用线阵。

分辨率的计算是每次都要跟客户确认的核心环节。假设视野是 100mm × 80mm，要求检测精度 0.1mm，那么宽度方向至少需要 100 / 0.1 = 1000 像素，高度方向 80 / 0.1 = 800 像素。这只是理论下限，实际选型要留边缘余量和亚像素定位空间，我习惯按 1.5～2 倍余量来选，也就是至少 200 万像素，直接上 500 万像素更省心。分辨率越高，图像数据量越大，算法耗时越长，所以不要无脑买高像素，够用就行。

镜头这块，焦距由工作距离、传感器靶面尺寸和视野共同决定，公式是 焦距 = 工作距离 × 传感器宽度 / 视野宽度。如果做的是尺寸测量类项目，比如测零件外径、内孔位置，强烈建议用远心镜头，它只接收平行光，物体前后移动时影像大小不变，能消除视差误差。普通镜头在物体高度方向有起伏时，测量结果会漂，这在缺陷检测里也会导致同一个缺陷在不同高度的表现不一致。

2.3 算法选型边界：传统视觉和深度学习的适用分界线

选算法的第一原则是：能用传统视觉解决，就不要上深度学习。传统视觉是 Blob 分析、边缘提取、模板匹配这一路，毫秒级出结果，参数透明，出了问题能一行一行查逻辑。深度学习的检测模型表现更鲁棒，但它是黑匣子，样本要求高、推理要算力、误判原因难追溯。具体可以按下面这张表来判断：

对比维度	传统视觉	深度学习
样本需求	少量样本即可调参	每类缺陷建议 300 张以上
推理速度	1～5 毫秒	10～50 毫秒（视模型和硬件）
可解释性	阈值、面积、位置都清楚	特征图可看，但决策路径说不清
光照敏感度	高，固定阈值会漂	中，前提是训练数据覆盖充分
适合场景	尺寸超差、固定位置毛刺、定位	纹理复杂、缺陷形态多变、背景杂乱

我的判断逻辑一般是三步。第一步，缺陷能不能用面积、长度、灰度差这类数字描述清楚，能就用传统视觉，比如药瓶盖缺料、螺丝端面划痕、继电器引脚弯曲。第二步，缺陷形态变化大、背景纹理复杂，比如布匹上的脏污、注塑件的流痕，这就要用深度学习的目标检测或分割模型。第三步，如果你连缺陷长什么样都说不全，那就直接考虑无监督异常检测，只拿正常样本训模型，让模型自己发现“不正常”，这个思路我放在最后一章展开。

2.4 最小检测方案的工作流程

一套最小可落地的缺陷检测流程，通常分七个环节。产品进入检测工位，光电传感器触发相机曝光；相机把图像传给工控机；检测程序先做 ROI 裁剪，再滤波增强；算法完成缺陷判定；系统向 PLC 输出 OK/NG 信号；NG 品在后续工位被剔除机构吹掉；图像和结果写进本地数据库备查。

节拍是这里面算得最细的指标。检测节拍 = 曝光时间 + 图像传输时间 + 算法耗时 + IO 延迟，实际设计要在这基础上留 20%～30% 余量。举个例子，产线节拍要求每秒检 2 件，即 500 毫秒一件，曝光 5 毫秒，传输 30 毫秒，算法占 300 毫秒，IO 加 PLC 响应 30 毫秒，总耗时约 365 毫秒，还有 135 毫秒余量，这个方案才敢上线。算出来如果超过节拍，反馈给前面的相机选型，要么降低分辨率，要么裁剪 ROI，而不是等到现场跑不动了再想办法。

3. 跑通第一个检测程序：OpenCV 骨架与合成缺陷扩展样本

3.1 OpenCV 实现表面缺陷检测的最小骨架

如果工件表面和背景灰度差异明显，用 OpenCV 就能搭出第一个可用的检测程序。以药瓶盖划痕检测为例，常见的做法是：读取图像、转灰度、裁剪 ROI、滤波、阈值分割、形态学处理、按面积筛选缺陷。

import cv2
import numpy as np

# 读取图像，先裁剪ROI，缩小后续计算范围
img = cv2.imread("cap_001.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
roi = gray[100:600, 150:700]

# 高斯滤波去噪，避免把CMOS传感器噪声当成缺陷
blur = cv2.GaussianBlur(roi, (5, 5), 0)

# 固定阈值分割：缺陷区域与背景灰度差异明显时最有效
_, thresh = cv2.threshold(blur, 120, 255, cv2.THRESH_BINARY)

# 形态学闭运算，把断裂的划痕连接成完整区域
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

# 找轮廓并按面积过滤，min_area相当于忽略噪点
contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
min_area = 50
defects = [c for c in contours if cv2.contourArea(c) > min_area]
print(f"defect count: {len(defects)}")

这里有几个参数要解释清楚。threshold 的 120 是灰度阈值，像素灰度低于 120 的被认为是缺陷区域，这个值依赖光源亮度，光源稍有变化就要重新标定。min_area 等于 50，意思是面积小于 50 像素的连通域当作灰尘或噪点忽略，这就是商业视觉软件里“忽略点数”参数的同一个思路，点掉了反而更干净。高斯滤波核 (5, 5) 对高斯噪声抑制效果好，如果用中值滤波，应对椒盐噪声更合适，但会稍微抹掉细小划痕的对比度，我一般默认高斯滤波。闭运算的核大小也要调，核太大，两个相邻缺陷会被连成一个，核太小，断裂划痕接不上。

固定阈值最大的问题是扛不住光照变化。如果现场曝光偶尔波动，改用 Otsu 自适应阈值会稳很多：

# OTSU阈值自动计算，光照变化时比固定阈值更稳
_, thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

OTSU 的原理是自动寻找一个让前景和背景类内方差最小的灰度值，不需要人工设定。代价是如果图像里缺陷面积占比太小，比如小于 5%，OTSU 会偏向背景。这时候可以给 ROI 加一个高亮背景垫片，强制缺陷占比变大，再用 OTSU 就能稳定分割。

3.2 样本不够时用合成缺陷撑起训练集

深度学习不是天生比传统视觉强，它比传统视觉更“吃”样本。产线上的缺陷率往往在千分之一以下，收集几百张真实缺陷图像可能要跑一两个星期。常见做法是：用大量正常样本加上人工合成的缺陷，把训练集撑起来。合成缺陷不是随便画几条线，而是要模拟真实成像结果。

import numpy as np
import cv2
import random

def add_scratch(img, max_len=80, max_width=4):
    """在正常图像上随机画一道划痕，模拟表面划伤缺陷"""
    h, w = img.shape[:2]
    mask = np.zeros((h, w), dtype=np.uint8)
    x1, y1 = random.randint(0, w), random.randint(0, h)
    angle = random.uniform(0, np.pi)
    length = random.randint(20, max_len)
    x2 = int(x1 + length * np.cos(angle))
    y2 = int(y1 + length * np.sin(angle))
    cv2.line(mask, (x1, y1), (x2, y2), 255, random.randint(1, max_width))
    # 模糊让划痕边缘更接近真实成像效果
    mask = cv2.GaussianBlur(mask, (5, 5), 0)
    # 与图像叠加，并加入传感器高斯噪声
    noise = np.random.normal(0, 25, img.shape).astype(np.float32)
    result = img.astype(np.float32) + mask[..., None] * random.uniform(0.5, 1.0) + noise
    return np.clip(result, 0, 255).astype(np.uint8)

画一条线再高斯模糊，这一步很关键。真实划痕在成像中是边缘柔和的亮带或暗带，如果直接用硬边线条叠加，模型会学到“有硬边就是缺陷”这个假规律，到了现场边缘锐利的纹理都会触发误报。叠加高斯噪声，是为了模拟相机暗光下的噪声特性，防止模型只认无噪声的干净图像。扰动幅度 random.uniform(0.5, 1.0) 控制划痕的灰度对比度，值是 1.0 时划痕最明显，0.5 时接近真实弱缺陷。建议真实缺陷和合成缺陷的比例控制在 1:3 以内，全用合成样本训出来的模型，一到现场就会被真实成像差异打回原形。

数据增强还可以继续加：随机翻转、90 度旋转、亮度对比度扰动、弹性形变。亮度和对比度扰动在缺陷检测里尤其重要，它让模型对光源波动不敏感。OpenCV 里可以直接用 cv2.convertScaleAbs 实现：

def random_brightness_contrast(img, brightness_delta=40, contrast_alpha=1.2):
    """随机亮度对比度扰动，模拟光源波动下的成像变化"""
    brightness = random.randint(-brightness_delta, brightness_delta)
    contrast = random.uniform(1.0, contrast_alpha)
    return cv2.convertScaleAbs(img, alpha=contrast, beta=brightness)

这类增强不能做过头，否则会改变缺陷本身的可辨识度。我一般把亮度偏移控制在 ±40 灰度以内，对比度倍数不超过 1.2，保证增强后的图像还属于“同一现场”的分布范围。

3.3 转向 YOLO 检测：标注格式与训练命令

当缺陷形态复杂、背景纹理杂乱，传统视觉撑不住，就该上 YOLO 这类目标检测模型了。YOLO 的标注格式是每张图对应一个 txt 文件，每行代表一个缺陷框，格式为“类别 class x_center y_center width height”，所有坐标都归一化到 0～1。这个归一化是最容易翻车的点，很多初学者直接把像素坐标喂进去，loss 不收敛也找不到原因。

def voc_to_yolo(xml_path, img_w, img_h):
    """把VOC xml标注转为YOLO格式，坐标归一化到0-1"""
    import xml.etree.ElementTree as ET
    tree = ET.parse(xml_path)
    root = tree.getroot()
    lines = []
    for obj in root.iter("object"):
        cls = obj.find("name").text
        box = obj.find("bndbox")
        x1 = float(box.find("xmin").text)
        y1 = float(box.find("ymin").text)
        x2 = float(box.find("xmax").text)
        y2 = float(box.find("ymax").text)
        x_c = (x1 + x2) / 2 / img_w
        y_c = (y1 + y2) / 2 / img_h
        w = (x2 - x1) / img_w
        h = (y2 - y1) / img_h
        lines.append(f"{cls} {x_c:.6f} {y_c:.6f} {w:.6f} {h:.6f}")
    return "\n".join(lines)

width 和 height 用的是缺陷框的真实像素宽度除以图像宽度，不是左上右下坐标差的一半，这一点看代码容易混淆。归一化后，无论训练图像是 640×640 还是 1280×1280，框坐标都在同一个尺度下，模型才能做多尺度训练。

数据准备好后，用一个 defects.yaml 描述数据集路径和类别，然后启动训练：

# defects.yaml
path: ./datasets/defects
train: images/train
val: images/val
nc: 2
names: ["scratch", "dent"]

# YOLOv5 系列训练命令，s模型在速度与精度之间平衡最好
python train.py --data defects.yaml --img 640 --batch 16 --epochs 200 \
    --weights yolov5s.pt --device 0 --patience 50

训练参数有几个值得说明。img 640 意味着图像会缩放到 640×640，如果缺陷很小，建议先用原图 ROI 裁剪再训练，而不是盲目加大训练尺寸，因为分辨率翻倍，显存和时间也翻倍。batch 16 在显存允许范围内尽量大，大 batch 让梯度更稳定。patience 50 表示验证集指标连续 50 个 epoch 不提升就提前停止，这比硬跑满 200 个 epoch 更实际，能避免后期过拟合。yolov5s 是轻量模型，工业检测以毫秒级节拍为目标时，s 模型通常是性价比最高的起点，跑不动再考虑更小更快的 n 版本或做剪枝。

4. 现场避坑笔记：五个让检测系统翻车的常见问题

4.1 现象：训练集准确率 99%，产线上一测就崩

模型在验证集上 mAP 很高，一装到产线误报率暴增，OK 品被大量判成 NG。原因是训练集和现场分布不一致。实验室里用固定光源、固定角度、固定背景拍出来的数据，到了现场换了日光灯、换传送带颜色、工件位置稍有偏移，模型见过的“正常”就不再是现场的正常。

解决思路分三层。第一层，现场至少采集 1000 张正常样本加进训练集，重新划分训练集和验证集，让模型真正见过现场的正常形态。第二层，训练时把亮度扰动范围调大，用前面提到的 random_brightness_contrast 让模型对光照变化脱敏。第三层，上线前先跑影子模式，程序照常检测并记录结果，但不实际触发剔除，统计一天的误报率，用数据决定要不要正式启用。这个步骤能避免一次灾难性的质量事故。

4.2 现象：光源一换，检测结果集体漂移

同一套程序上午检得好好的，下午换了一根同型号的光源棒，过杀率从 1% 跳到 15%。即使同型号 LED 光源，批次不同发光强度和色温也有差异，再加上 LED 本身会衰减，光源亮度随时间缓慢下降。所有写了固定灰度阈值的地方，比如第 3 章那个 threshold=120，都会在这一刻集中爆发。

解决的办法有三个。硬件上，光源控制器必须带恒流驱动，别直接接开关电源。算法上，把固定阈值全部改成 OTSU 自适应阈值，或者基于背景灰度相对值计算阈值。管理上，每次开机用标准板拍照，计算整图的平均灰度并记录到日志，灰度值偏离初始基线超过设定值，系统直接报警提示光源需要更换。这就是让“光源衰减”尽早暴露，而不是等检测结果先崩。

4.3 现象：过杀率居高不下，老师傅拒绝用系统

算法把很多看起来像缺陷、但实际不影响使用的纹理、油污、水渍全标成 NG，产线频繁停线，操作工只能绕过系统手动放行。本质原因是缺陷定义没有和生产标准对齐。质量部门认可的是“功能性缺陷”，算法学到的是“视觉异常”。比如塑料件上的模流纹，老师傅知道这是正常工艺纹理，算法却当成划痕。

我的做法是把判定结果分成三级：NG、NG-Low 和 OK。NG 是明确的功能性缺陷，NG-Low 是疑似缺陷需要人工复检。给每个缺陷区域算一个综合评分，特征是面积、长宽比、灰度对比度和位置，评分超过高阈值才判 NG，在高低阈值之间判为 NG-Low。同时和质检团队一起收集被误杀的样本，单独建一个“可接受纹理”的类别加入训练集，模型下一次更新时就会把这些正常纹理学进去。

4.4 现象：缺陷类别不平衡，模型忽略少数类

训练集里 OK 样本和划痕占了 95%，凹坑只有 2%，训练出来的模型对凹坑几乎不报，即使报了置信度也低。原因是目标检测的损失在类别极度不平衡时被多数类主导，模型策略性把所有难分样本都推给多数类。

解决办法是给少数类加权重，YOLOv5 里可以用 cls_pw 参数调整类别损失权重；或者对少数类做过采样，每个 epoch 重复使用，让凹坑样本数量达到多数类的 30% 以上。另外一个更实用的手段是专门为少数类合成样本，比如凹坑可以用高斯斑点模拟：在正常图像上随机画圆斑点，乘以高斯衰减，再模糊叠加，做法和 3.2 节画划痕完全一致。血泪经验是，合成样本必须和真实样本混合训练，纯合成模型到了现场会比预想中更早翻车。

4.5 现象：检测速度跟不上产线节拍

产线要求每秒检测 2 个工件，程序算完一个要 1 秒，传送带已经过去了，只能降速生产。原因通常是图像分辨率过大、ROI 没裁剪、模型太重，或者相机传输没有开硬件加速。很多项目到这一步才反过来说硬件选型有问题，但大多数情况还有优化空间。

优化顺序按性价比排列：先裁剪 ROI，把计算量缩到一半以上；深度学习输入尺寸从 1280 降到 640，精度损失往往很小，速度提升明显；模型导出为 TensorRT 或 ONNX Runtime，推理通常可以提速 1.5～2 倍；最后把采集和计算流水线化，相机在采集第 N+1 帧时，算法正在处理第 N 帧。大部分项目靠前两步就能把 1 秒压到 300 毫秒以内，真正需要换 GPU 的是极少数。

5. 部署到产线：结果输出、触发控制与模型迭代闭环

5.1 检测结果如何落到现场系统：JSON、TCP 与数据库三选一

算法跑出结果后，下一步是把“这个工件是 NG”这件事告诉现场设备。常见做法有三种：通过 TCP 把 JSON 发给上位机，直接写数据库，或者把信号通过 IO 模块送给 PLC。如果现场有 MES 或 SCADA，首选 TCP + JSON，因为 MES 侧可以反序列化直接入库，不需要约定二进制协议。

import json
import socket

def send_result(ip, port, result_dict):
    """将检测结果打包成JSON，通过TCP发送给上位机"""
    data = json.dumps(result_dict, ensure_ascii=False).encode("utf-8")
    with socket.socket(socket.AF_INET, socket.SOCK_STREAM) as s:
        s.connect((ip, port))
        s.sendall(data)
        # 等上位机ACK，确认结果已送达
        ack = s.recv(16)
        return ack == b"OK"

result = {
    "camera_id": "C001",
    "product_id": "SN-20210817-001",
    "result": "NG",
    "defect_type": "scratch",
    "score": 0.87,
    "image_path": "/data/cap_001.jpg"
}
send_result("192.168.1.50", 9000, result)

这里必须等上位机回 ACK。现场网络偶尔抖动，发完就忘会造成 NG 结果丢失，那是漏检事故，不是性能问题。image_path 字段要存原始图像路径，否则后续追溯缺陷时找不回当时的画面。如果对接的是 PLC，通常不用 TCP，而是让工控机通过 IO 网关把结果映射成数字量输出，NG 信号直接参与剔除机构的控制逻辑，PLC 再记录事件。

5.2 相机触发与节拍匹配：硬触发为什么更稳

相机触发方式分成软触发和硬触发两种。软触发由软件通过 SDK 命令让相机曝光，流程简单，适合实验室和单工位。但软件调用有毫秒级抖动，一旦操作系统卡顿还会漏拍。硬触发是光电传感器或编码器信号直接连到相机的硬件触发引脚，工件到位瞬间就给相机一个电平信号，曝光在微秒级延迟内完成，完全不依赖工控机负载。

对比维度	软触发	硬触发
延迟	毫秒级，抖动明显	微秒级，稳定
可靠性	程序卡顿会漏拍	不依赖软件
成本	无需额外线缆	需要传感器和接线
适用场景	实验、节拍要求低	高速产线、运动物体

除了触发方式，还要算曝光时间是否会产生运动模糊。工件移动速度 v = 100 mm/s，检测精度要求 0.1 mm，那么曝光时间必须小于 0.1 / 100 = 1 毫秒，否则拍出来的图像是拖影的，算法再强都救不回来。如果算出来曝光时间不够，那就得换更强的光源来缩短曝光，或者加快门相机。

5.3 现场样本回流与模型迭代：避开“越改越差”的陷阱

上线不是终点，模型迭代才是长期工作。现场每天都在产生新的正常样本和少量缺陷样本，正确的做法是把这些样本收集起来，每周或每月合并进旧训练集，整体重训一次。模型文件命名要带上版本号和训练日期，部署时保留上一个版本的备份，这样新模型出问题时可以一键切回。这就是给自己留后悔药，我在一线项目里吃过不止一次没有回滚机制的亏。

不要在线用现场数据直接继续训模型。数据分布一旦突变，增量训练会触发灾难性遗忘，模型会突然丢失已经学过的缺陷类型。我一般的做法是：新数据合入旧训练集，整体重训，虽然慢，但结果可控。模型迭代前还要做一次回归测试，拿一批覆盖所有缺陷类型的固定样件跑一遍，确认新模型没有让任何一类缺陷的召回率下降，否则不上线。

6. 进阶：用无监督异常检测兜住“没见过”的缺陷

很多缺陷检测项目的真正难点根本不是某一种缺陷检不出，而是缺陷类别永远说不全。换了批次材料、模具磨损、工艺参数调整，随时可能出现一种从未见过的缺陷形态。监督学习需要每类几百张样本，迭代速度永远追不上现场变化。这个问题的解法是换成无监督异常检测的思路：只用正常样本训练一个重建模型，模型没见过“缺陷长什么样”，但它知道“正常长什么样”，当输入偏离正常分布时，重建误差就会变大，误差大的像素区域就是缺陷位置。

具体实现可以用一个轻量的卷积自编码器，输入 128×128 灰度图，输出重建图像，用重建图和原图的像素差定位缺陷。

import torch
import torch.nn as nn

class ConvAE(nn.Module):
    def __init__(self):
        super().__init__()
        self.encoder = nn.Sequential(
            nn.Conv2d(1, 16, 3, stride=2, padding=1), nn.ReLU(),
            nn.Conv2d(16, 32, 3, stride=2, padding=1), nn.ReLU(),
            nn.Conv2d(32, 64, 3, stride=2, padding=1), nn.ReLU(),
        )
        self.decoder = nn.Sequential(
            nn.ConvTranspose2d(64, 32, 4, stride=2, padding=1), nn.ReLU(),
            nn.ConvTranspose2d(32, 16, 4, stride=2, padding=1), nn.ReLU(),
            nn.ConvTranspose2d(16, 1, 4, stride=2, padding=1), nn.Sigmoid(),
        )

    def forward(self, x):
        return self.decoder(self.encoder(x))

训练时只用 OK 样本，损失函数用均方误差，目标是让重建图像尽量接近输入。推理时，把重建误差图做阈值分割，误差超过阈值的连续区域就是异常位置。这个方案的优点是没有标注成本，新缺陷也能被兜住，缺点是正常样本里如果混入了瑕疵，模型会把瑕疵也当正常学进去，所以训练数据必须人工筛选干净。当前沿技术路线走到这里时，你会发现缺陷检测的规模化能力其实不取决于标注了多少缺陷，而取决于你对“正常”建模得有多准。

我自己的习惯是，无论选哪条路线，先挑产线上最痛的那一种缺陷，把方案跑通、跑稳、跑到被老师傅认可，再横向复制到其他缺陷类型。每个项目保留一份现场参数备忘，光源型号、曝光时间、阈值、节拍、误报率变化全部记下来，因为这类项目的坑，大部分不是算法写不出来，而是环境变了你不知道。希望帮到你。

本文还有配套的精品资源，点击获取