084、工业缺陷检测样本太少？数据增强、缺陷合成与异常检测模型工程方案
昨晚在产线调试一个PCB焊点检测模型，客户给了300张良品图，缺陷样本只有12张——其中5张还是同一类虚焊。项目经理问我：“这模型能上线吗？”我盯着那12张图，心想：能，但得先“变”出几千张来。
工业缺陷检测最头疼的不是算法选型，而是样本。良品管够，缺陷稀罕。今天这篇笔记，就聊聊我踩过的坑和实际落地方案。
一、别急着上GAN，先看看数据增强能榨出多少
很多人一听说样本少，第一反应就是GAN生成。但GAN训练本身就需要大量数据，而且生成质量不稳定。我一般先做三件事：
几何变换：旋转、平移、缩放、翻转。注意，工业场景下有些变换要谨慎。比如PCB焊点，旋转90度没问题，但翻转镜像可能改变焊点极性——这里踩过坑，客户后来发现模型把镜像焊点当成了新缺陷。
颜色抖动：亮度、对比度、饱和度微调。工业相机光照不稳定，这个增强能模拟不同光照条件。我习惯把亮度范围设在±15%，对比度±10%，太大反而失真。
噪声注入：高斯噪声、椒盐噪声。模拟传感器噪声，但别加太多，否则模型会学会“去噪”而不是“检测缺陷”。我一般噪声强度控制在0.01以下。
这些基础增强，能把300张良品变成3000张，12张缺陷变成120张。但120张还是不够，得合成。
二、缺陷合成：不是简单贴图，要模拟物理过程
缺陷合成最容
_kaic)
