视觉检测误报率高，八成是光源没配对
要点速览
- 误报的第一嫌疑是成像，不是算法。
- 同一缺陷在不同光源下可能根本看不见。
- 先定缺陷类型，再选光源角度，最后才谈算法阈值。
上视觉项目最常见的争论是"算法不行"。但把误报样本调出来看，多数是缺陷在图像里本来就不清晰。
四类缺陷与光源选型
| 缺陷类型 | 推荐光源 | 原理 |
|---|---|---|
| 表面划痕、凹坑 | 低角度环形光 / 暗场 | 掠射让凹凸产生明暗对比 |
| 标签错位、字符缺失 | 同轴光 / 背光 | 均匀照明，靠轮廓判断 |
| 异物、污点 | 背光（透射） | 异物挡光形成黑点 |
| 颜色偏差 | 白色环形光 + 色温稳定 | 避免色温漂移导致误判 |
三个排查顺序
- 看图像：把误报与漏报的样本并排看，人眼能否分辨？不能，就别怪算法。
- 换角度：同一光源改 15° 照射角，很多缺陷的对比度会翻倍。
- 压背景：背景反光会制造大量虚假边缘，用哑光背景板或偏振片。
一条经验
如果同一个缺陷在有的产品上能检出、有的检不出，先怀疑照明不均匀，而不是阈值设得不对。
什么时候才该调算法
当图像里缺陷清晰可辨、而模型仍判错时，才是算法问题。此时优先补样本，而不是调阈值——调阈值只会把误报换成漏报。
污损码的识别难度见污损码处理，系统选型见AI 视觉检测系统。
常见问题
换光源要不要重新训练模型？
通常需要重新采样与微调，但工作量远小于在错误成像上硬调算法。
背光能不能检表面缺陷？
不能。背光只看轮廓与透光，表面缺陷要用前向低角度光。
误报率多少可以接受？
视人工复检成本而定。关键看误报是否集中在同一类，集中就有解，分散往往是成像问题。
需要针对你的产线做一次评估？
获取方案 →
获取方案 →