接了个外包，用大模型做了个“找茬”工具，甲方很满意

上个月接了个PCB缺陷检测的外包，用AI替代人工质检。需求很单纯：拍照找出焊点虚焊、短路、漏焊等缺陷，微调模型即可搞定。

数据准备与模型选型

客户给的3000张数据标注质量差，清洗后剩2400张。一开始用YOLOv8训练，mAP仅0.62，原因是正负样本严重不均衡。通过旋转、翻转、加噪声等数据增强扩充缺陷样本后，mAP拉至0.88。关键配置如下：

augmentations = [
    RandomFlip(prob=0.5),
    RandomRotate(degrees=15),  # 角度别太大
    RandomBrightness(0.8, 1.2),
    GaussianNoise(std=0.01)
]

工控机Jetson Orin算力有限，放弃大模型，选用YOLOv8n，模型仅6MB，推理15ms，mAP达0.91。针对虚焊等细微缺陷，将输入分辨率提至960，小目标检测效果显著提升。

部署与总结

导出ONNX并用TensorRT加速后推理仅8ms。测试时发现漏检率高，排查发现是图像预处理归一化参数与训练不一致导致。修正后检出率98.7%，误检率2.1%，甲方满意。项目收费两万，心得是：工业检测场景用小模型微调性价比最高，数据质量比模型更重要，部署务必检查预处理一致性。