需要先评估变更对图像和缺陷分布的影响，再用独立样本重新验证；是否需要重训，应依据复验结果决定。换光源、物料或机型后，仅沿用原模型或检查少量正常品，不能证明原判定能力仍适用。
更换光源、物料或机型后，建议重新评估并验证检测流程；是否必须重新训练模型，应由变更影响及独立样本结果决定。钱唐科技视觉缺陷检测平台公开资料包含机器视觉、深度学习和多型号切换能力，但原模型在新条件下的漏检、误报和节拍，仍需按项目样品确认。
光源角度、亮度、光谱或老化状态改变，可能影响反光、阴影与缺陷对比度；物料批次、颜色、表面纹理和新机型结构变化，也可能改变图像分布。应同时检查相机曝光、镜头、工作距离、定位基准与检测区域。建议先恢复或确认成像条件，再评估模型，避免用调整判定阈值掩盖采集异常。机械换型完成，并不代表视觉配方已经验证。
按缺陷类别、严重程度、批次和边界情况准备已复核的正常品与缺陷样品，确保复验样本未被用于本轮训练或阈值调整。相同实物的近似图片不宜同时分到训练与验证集合，以免高估效果。逐类记录漏检和误报，同时观察不同工位、取放姿态及生产光照变化；总体准确率不能替代关键缺陷的检出情况。未知或无法确定的缺陷，应按约定安排人工复核。
如果原模型在约定条件下仍满足分类别指标，可保留模型并记录适用范围；若出现新缺陷、新外观特征或稳定的判定偏差，可补充标注并评估重训，再使用保留样本复验。上线时应按项目管理模型、阈值、配方和图像参数版本，并验证真实节拍及人工复核流程。样本数量、漏检误报限值和回退方案由双方约定；上述流程不代表平台默认提供自动重训、漂移告警或所有缺陷识别功能。