做缺陷检测，最常听到的难处是坏样本太少。产线一天出不了几个坏件，想攒几百张去训练检测模型，要等好几个月；等攒够了，又冒出一种没见过的新缺陷。

所以这里换了个思路：只给模型看良品。它记住两百张好电路板上每一小块长什么样，测试时哪一块和记忆里都对不上，哪一块就是缺陷，热力图直接画出来。训练一次三分钟。

在公开数据集 VisA 的 PCB 上，AUROC 0.996。没参与调阈值的那一半测试图里，51 块好板零误报，50 块坏板抓到 47 块。第一版其实有误报——板子旁边背景上的一粒灰被当成了缺陷，后来加了"只看板子本身"的区域限制才解决。

还不够好的地方：只占画面千分之二的小缺陷，比如少了一颗小电阻，会漏。要靠提高分辨率，或者把板子分块放大再看。

工地摄像头一般装得高、拍得远，人头只有二三十个像素。直接拿检测模型在整幅画面里找人头，四个人里有三个找不到。

改成两步：先找人——人比头大得多，好找；再把每个人的上半身裁出来放大，判断戴没戴安全帽。能找到头的人从 27% 涨到 71%。毛线帽、兜帽也会被判成没戴，这恰好是工地上最常见的糊弄。

告警这部分花的心思不比模型少：连续十几帧都确认没戴才报警；一个人被柱子挡了一下、换了编号，也不会重复报；每次报警自动存一张截图。22 秒的视频里报了 12 次，我逐张看过，都是真的。

还不够好的地方：背对镜头的人看不到头，弯腰的姿势偶尔会判错。

食品、药品包装上的日期，喷漏了、喷花了、换班后忘了改日期，都是要召回的事故。所以这个程序不只读出日期，还拿它和"今天应该喷的日期"对一遍，结果分四种：合格、漏印、模糊待复核、日期错误。

喷码机打的很多是点阵字，一个个小点，通用文字识别读起来经常缺字；字间距一大，一个日期还会被拆成好几段。先把点连成笔画，再把同一行的碎片拼回去，在 665 张真实商品照片上读对了 88.7%。这还是没专门训练过的结果，拿到现场样本微调，还能往上走。

"有没有喷"不靠文字识别来判断，而是直接看喷码框里有没有墨。喷花了的字一个也认不出，但墨还在——这是待复核，不是漏印，两种问题在产线上的处理方式完全不同。

读不准的时候，它会判成异常交给人看，而不是把错的日期放过去。

多模态大模型现在拍一张小票就能把店名、明细、金额都读出来，用起来很顺手。麻烦在于它读错的时候语气和读对的时候一模一样，你没法只靠它自己判断哪张能信。

好在单据上的数字本身有冗余：明细加起来该等于小计，小计加税该等于总计，实收减找零也该等于总计。所以我在模型后面加了一层算术核对，每个等式都对得上的直接通过，对不上的交人工。模型用的是 20 亿参数的 Qwen3-VL，在本机显卡上跑，一张四五秒，图片不出机器。

在公开数据集 CORD 的 100 张小票上：规则判通过的 60 张，我对着原图逐张看过，金额真正读错的只有 1 张；模型读错的单据里，八成多被规则拦了下来。也就是说，人工从"每张都看"变成"只看被拦下的那四成"。

还不够好的地方：拦不住"自洽的错"。有一张把抹零前的 334,011 当成了总计，可它刚好等于小计加税，所有等式都对得上。税和服务费也读得最差，对的只有六成和四成左右——好在读错了大多会被拦下。