一、视觉检测系统上线的标注样本数量标准
1、常规简单缺陷类型的视觉检测项目，比如划痕、缺料这类特征明显的缺陷，每一类缺陷至少需要准备200-500张标注好的缺陷样本，加上1000张以上的合格产品样本，就可以训练出基础可用的检测模型，满足上线的基础要求。
2、复杂多类缺陷的AI深度学习检测项目，每一类细微缺陷至少需要准备1000张以上的标注样本，总标注样本量要达到数万张级别，才能保证模型的泛化能力，上线之后不会出现大量的漏检、误检，稳定满足工业产线的检测要求。
3、样本的多样性非常重要，标注样本必须覆盖不同光照、不同位置、不同形态的所有缺陷场景，不能只标注少量理想状态下的缺陷样本，否则模型上线之后遇到产线上的复杂工况，性能会大幅下降，完全无法使用。
二、模型回流迭代的完整工作逻辑
1、视觉检测系统上线之后，在设备端部署样本自动回流机制，把系统判定为可疑、不确定的图像自动保存下来，定期导出这些图像，人工重新标注，补充到训练样本集中，持续迭代优化模型，不断提升模型的检测准确率。
2、回流迭代是AI视觉检测系统长期保持高准确率的核心机制，产线上不断出现的新形态缺陷，通过样本回流补充到训练集中，模型就可以不断学习新的缺陷特征，不会出现新缺陷漏检的问题，系统的性能会随着运行时间的推移越来越稳定。
3、没有回流迭代机制的AI视觉检测系统，上线运行一段时间之后，遇到之前训练样本中没有覆盖的新缺陷类型，就会出现大量漏检，根本无法长期稳定运行，样本回流迭代是工业AI视觉系统必不可少的核心环节。
三、模型迭代的周期规划要点
1、项目上线前的初始模型训练周期，常规项目需要1-2周，完成基础样本标注、模型训练、现场调试验证，达到可以上线的基础状态，这个阶段的核心目标是把基础漏检率降到1%以下。
2、上线后的前1个月是快速迭代期，每周做一次样本回流和模型更新，快速补充产线上新出现的缺陷样本，把漏检率快速降到0.1%以下，误检率降到5%以内，系统进入稳定运行状态。
3、系统稳定运行之后，每1-2个月做一次常规的模型迭代优化，持续补充新的样本，优化模型性能，长期保持系统的检测准确率，完全适配产线不断变化的产品和工艺，让视觉检测系统可以长期稳定运行，发挥最大的价值。
