企业官网建设流程全解析

过杀下降 vs 漏检上升，工业检测的两难选择

开头：过杀太严重，客户投诉

你有没有过这种经历？

模型精度 99%，但误杀率太高——正常芯片被判定为缺陷，客户投诉不断。你降低阈值，误杀下降了，但漏检又上来了。

过杀和漏检，永远是跷跷板。

AOI 项目的芯片缺陷分类从 V1 迭代到 V4，核心目标就是「降低过杀」。V4 的 a_chip 误杀率大幅下降，但 c_broken 漏检率从 94% 降到了 47%。

不是因为迭代有多难——而是因为「过杀 vs 漏检」的权衡没有标准答案。

一、过杀 vs 漏检

过杀（False Positive）： 正常芯片被判定为缺陷 后果：返工成本增加，客户投诉 漏检（False Negative）： 缺陷芯片被漏掉 后果：缺陷产品流出，质量事故 权衡： 降低过杀 -> 漏检上升 降低漏检 -> 过杀上升

工业场景的选择

安全关键（汽车/医疗）：宁可过杀，不可漏检 消费电子：平衡过杀和漏检 AOI 项目：降低过杀优先（a_chip 误杀严重）

二、V1 到 V4 的迭代历史

各版本对比

V4 的核心变化

V3 -> V4： 过杀下降：a_chip 误杀大幅改善 漏检上升：c_broken 召回从 94% 降到 47% 原因： V4 加了 hard 样本增强（把容易误判的 a_chip 样本增强后回灌训练） 模型学到了「不要把 a_chip 误判为 c_broken」 但同时也学到了「不要把 c_broken 判定为缺陷」

三、AOI 项目的缺陷分类

数据集

训练配置

# V4 训练model=YOLO("runs/train/defect_cls_v3/weights/last.pt")# 从 V3 续训model.train(data="train_sets/v4_cbroken_safe",epochs=50,batch=128,imgsz=224,amp=False,cos_lr=True,)

V4 vs 对照组

V4（加了 extra hard 样本）： 整体准确率：98.77% c_broken 召回：47% 对照组（移除 extra hard 样本）： 整体准确率：98.77% c_broken 召回：47% 结论：extra hard 样本对 V4 精度无显著影响

四、V4 过杀下降的原因

hard 样本增强

V4 加了 hard 样本增强： 1. 识别容易误判的 a_chip 样本 2. 对这些样本做增强（翻转/旋转/缩放） 3. 把增强后的样本回灌训练集 4. 模型学到：这些样本是 a_chip，不是 c_broken 效果： a_chip 误杀大幅下降 但 c_broken 漏检也上升了

为什么漏检会上升？

模型学到的决策边界： V3：c_broken 的边界较宽（容易误判 a_chip 为 c_broken） V4：c_broken 的边界较窄（不容易误判 a_chip 为 c_broken） 代价： V4 的 c_broken 边界太窄，真正的 c_broken 也被漏掉了

五、避坑指南

坑1：只看整体准确率

现象：整体准确率 99%，但 c_broken 漏检严重。
原因：c_broken 样本太少，整体准确率被 a_chip 拉高。
解法：看各类别的召回率，不能只看整体准确率。

坑2：不看混淆矩阵

现象：不知道哪些类被混淆了。
解法：看混淆矩阵，了解 c_broken 被误判为什么。

坑3：V4 和 V3 混淆

现象：V4 的 ONNX 文件和 V3 的混淆。
解法：版本化管理，每个版本有独立的文件名。

坑4：hard 样本增强过拟合

现象：hard 样本增强后，模型过拟合。
解法：控制 hard 样本数量，不要太多。

坑5：不看召回率

现象：只看准确率，不看召回率。
解法：重点关注 c_broken 的召回率（漏检率）。

AOI 项目优秀实践

• 版本化迭代：V1->V2->V3->V4，每个版本有独立目录
• hard 样本增强：V4 加了 hard 样本增强，降低过杀
• 对照组实验：V4 vs 对照组，验证 extra hard 样本的效果

AOI 项目可改进之处

• 缺少产线误杀统计：没有量化产线上的误杀率
• 缺少 c_broken 漏检后果评估：没有评估漏检的质量风险
• 缺少 A/B 测试框架：没有系统对比不同版本的产线表现

结尾

说回那个「过杀太严重，客户投诉」的故事。

后来我迭代了 4 个版本，V4 的 a_chip 误杀率大幅下降。但 c_broken 漏检率从 94% 降到了 47%。这是一个权衡：降低过杀的代价是漏检上升。

不是因为迭代有多难——而是因为「过杀 vs 漏检」的权衡没有标准答案。

翻翻你的项目：

1. 你的模型过杀严重吗？漏检严重吗？
2. 你看的是整体准确率还是各类别召回率？
3. 你有版本化管理吗？V3 和 V4 的 ONNX 文件会混淆吗？

评论区说说你的缺陷分类是怎么权衡过杀和漏检的。

觉得有用？
收藏这篇，下次缺陷分类时翻出来对照。转发给你团队里那个天天被过杀折磨的同事。

下期预告：

.onnx 到 C++ 的最后一公里。
opset / IR / FP16 / dynamic batch，导出参数一个都不能错。
下一篇，我们聊 ONNX 导出与兼容性——「导出参数的正确姿势」。

本文是《AOI 芯片焊盘缺陷检测实战》系列第五篇。