玻璃半透明、无纺布纤维杂乱，缺陷样本既少又散。DaoAI 用少样本加只学良品，让系统在缺陷样本不足时也能可靠上线。
94%+缺陷检出率
✓少样本上线
✓弱纹理优化
该材料厂同时生产玻璃与无纺布两类表面差异极大的材料。玻璃半透明、易受背景与反光干扰，气泡、结石、划伤等缺陷对比微弱；无纺布纤维分布天然杂乱，属典型弱纹理表面，缺陷与背景难以分离。两类材料的共同难题是：缺陷发生率低，可用于训练的缺陷样本既稀少又形态多变。
传统监督式深度学习需要大量标注样本，但在缺陷样本稀缺的现实下根本无法凑齐，项目往往因数据不足而停滞。靠人工目检又受半透明与弱纹理影响，长时间盯检易疲劳漏判，一致性差。
DaoAI 少样本 + APDT 异常检测方案
DaoAI 将少样本学习与 APDT 正样本异常检测结合：在缺陷样本稀缺时，先用充足的良品图像建立正常基线，再用极少量缺陷样本微调判据。针对玻璃半透明与无纺布弱纹理，模型在弱对比/弱纹理条件下分离缺陷信号，无需大规模标注即可快速上线，缺陷检出率达 94% 以上。
- 少样本即可上线，无需为稀有缺陷凑足大规模标注数据集
- 以良品正常基线为底，极少缺陷样本微调，兼顾未见缺陷的检出
- 针对玻璃半透明、无纺布弱纹理优化，弱对比缺陷与背景有效分离
- 玻璃气泡/结石/划伤、无纺布破洞/异物等缺陷检出率达 94% 以上
缺陷样本越稀少，只学良品的价值越大——先建正常基线，再用少样本补齐判据。
落地后，该厂在缺陷样本稀缺的前提下快速完成玻璃与无纺布检测上线，缺陷检出率稳定达到 94% 以上。半透明与弱纹理表面的隐性缺陷漏检明显减少，质检从依赖经验目检转为标准化在线判定，新缺陷类型可凭少量样本快速补充，检测一致性与可维护性同步提升。