玻璃半透明、無纺布纤維雜乱，缺陷樣本既少又散。DaoAI 用少樣本加只學良品，讓系統在缺陷樣本不足時也能可靠上線。
94%+缺陷檢出率
✓少樣本上線
✓弱紋理優化
該材料廠同時生產玻璃與無纺布兩類表面差異極大的材料。玻璃半透明、易受背景與反光幹擾，氣泡、結石、劃傷等缺陷對比微弱；無纺布纤維分布天然雜乱，屬典型弱紋理表面，缺陷與背景難以分離。兩類材料的共同難題是：缺陷發生率低，可用于訓練的缺陷樣本既稀少又形態多變。
傳統監督式深度學習需要大量標注樣本，但在缺陷樣本稀缺的現實下根本無法凑齊，項目往往因數據不足而停滯。靠人工目檢又受半透明與弱紋理影響，長時間盯檢易疲劳漏判，一致性差。
DaoAI 少樣本 + APDT 異常檢測方案
DaoAI 將少樣本學習與 APDT 正樣本異常檢測結合：在缺陷樣本稀缺時，先用充足的良品圖像建立正常基線，再用極少量缺陷樣本微調判據。針對玻璃半透明與無纺布弱紋理，模型在弱對比/弱紋理條件下分離缺陷信號，無需大規模標注即可快速上線，缺陷檢出率達 94% 以上。
- 少樣本即可上線，無需為稀有缺陷凑足大規模標注數據集
- 以良品正常基線為底，極少缺陷樣本微調，兼顧未見缺陷的檢出
- 針對玻璃半透明、無纺布弱紋理優化，弱對比缺陷與背景有效分離
- 玻璃氣泡/結石/劃傷、無纺布破洞/異物等缺陷檢出率達 94% 以上
缺陷樣本越稀少，只學良品的價值越大——先建正常基線，再用少樣本補齊判據。
落地後，該廠在缺陷樣本稀缺的前提下快速完成玻璃與無纺布檢測上線，缺陷檢出率穩定達到 94% 以上。半透明與弱紋理表面的隱性缺陷漏檢明顯減少，質檢從依賴經驗目檢轉為標準化在線判定，新缺陷類型可憑少量樣本快速補充，檢測一致性與可維護性同步提升。