课程定位

视觉质检模型上线后，检出的常见缺陷下降了，偶尔却遇到训练样本里没有的表面异常。系统若仍强行给出旧缺陷名称，统计表会变得整齐，但工程人员可能错过新的成因。本课从AI制造质量检测的场景出发，拟练习怎样识别需要人工处理的可疑样件，怎样留下能支持再标注的材料。

课程内容与学习重点

一、区分已知缺陷、观察受限和未知现象

以一组模拟外观图为例，先确认拍摄位置、产品方向、检测区域和当前缺陷字典。对于被遮挡、反光或分辨率不足的照片，单列重拍需要。对图像清楚但现象无法套入现有类型的样件，保留原图与截取位置，送人工检查并记录原因。

练习比较三种低可信情况，分别由拍摄变动、产品型号变动和新外观现象引起。要求学员给每条记录补上产品批次、工艺时点、光照或视角条件以及处理去向，使工程和质量人员能够回看当时的检测环境。

二、形成可执行的拒判和返工流程

讨论模型输出不确定时如何保留产品、触发抽检、转人工，以及何种情况须由工艺参与。对自动判良、自动判疑和待人工核实分别设定允许的后续动作，记录判断规则的适用产品线。强调拒判是供业务复核的状态，不能在生产结果汇总时自动当作合格。

课堂拟提供含不同外观位置的图像样本，请小组拟定标注说明，再由另一组按说明试标。对难以一致归类的样件，先记录分歧点和需要补的图像，之后再修改标注字典，而不是改成简单多数表决。

三、用新旧样本共同检查改动

从已有样本中保留易混淆的正常特征和常见缺陷，再增加未见样件和拍摄波动样件，分别判断重新标注后的可用性。观察误检、漏检和转人工比例如何变化。若一条新规则提高了新缺陷识别，却让另一类正常件大量进入复核，需要说明取舍并保留回退条件。

交付一个复检记录，含抽测范围、原检测结果、人工结论、仍未确认的样件和处置人。真实上线还需结合现场权限和验收要求开展。练习阶段用模拟样本查看新的判定说明能否被下一班和下一条线准确使用。

拟定练习

拟完成一张拒判去向表和一份标注返工记录，用两组不同批次的模拟图说明什么情况需要重拍，什么情况值得加入新类别。最终复盘将请另一小组按记录找回原样件位置，核查再判结果是否可追溯。

适合人群

适合制造质量、生产工艺、视觉项目实施和负责样本标注的人员。没有建模经验的学员可从判定口径与复检协作切入，熟悉模型的学员可练习设计验收样本。

开课与报名咨询

单项开课时间、上课地点、学制、学费及具体参加方式详询。咨询时可说明已有业务经验和希望练习的场景。

拒判越少是不是越好？需要同时观察漏检、转人工工作量和产品风险，拟定练习会比较几种组合。

只有少量罕见样本怎样验收？先固定来源和版本，明确当前样本能支持的判断范围，并安排继续收集。

温馨提示：课程内容为拟定，具体实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。