视觉检测的误报率持续偏高怎么收敛？从光源、阈值到样本的排查顺序怎么排？

详细回答

视觉检测产线上最磨人的问题不是漏检，而是误报（过杀）持续偏高：好品被判成不良，复判工位人越加越多，产线还嫌你拖后腿。收敛误报要按顺序排查——先环境、再阈值、后样本——顺序错了会白折腾。

第一步：查成像环境（最常见诱因）

• 三件事先看：光源老化与亮度衰减、打光角度漂移、镜头与保护镜污染——成像条件一变，模型看到的图就变了，误报自然抬头；光源与成像方案的选型依据见光源与成像选型。
• 恢复标准条件再评估：把成像恢复到验收时的标准状态，误报往往随之回落——这步成本最低，先做。

第二步：调阈值（守两条底线）

• 验证集核对：成像稳定的前提下，用验证集重新核对判定阈值——阈值变化直接改变漏检与误报的平衡点，两类指标的定义与验收口径见漏检率与过杀率。
• 不做假收敛：只压误报、放松漏检判据是假收敛——漏检流出才是真损失，两项指标必须一起看。

第三步：补样本再训练

• 定位误报聚集区：误报集中在特定纹理、反光、字符区域时，说明模型对这类“长得像缺陷的OK特征”学得不充分。
• 补样本走流程：补充该区域的 OK 样本与边界样本重新训练，按再训练工作流执行，流程见模型再训练工作流。

收敛判据与留痕

• 独立验证：每轮调整后用独立验证集复核漏检率与过杀率，两项同时达标才能上线；验证与配方版本的管理口径见验证与版本管理。
• 人机分工复核：收敛期间的复判工位是数据来源——复判确认的样本回到训练集，人机分工的组织方式见人检与机检分工。

资料来源

• 钱唐科技：视觉缺陷检测平台：利用机器视觉与检测软件检查产品外观与几何特征，结合机器视觉、深度学习及数据分析，支持检测项配置与检测数据分析；漏检误报指标与节拍需通过项目样品验证。
• IEEE：工业视觉检测中误报收敛与模型迭代的公开工程背景；用于排查方法说明，不移植任何条款数值。