离线测试集上的准确率是 98%（示意数字），产线跑了一周，剔除口掉下来的产品里有相当一部分是好的，同时又有带缺陷的产品漏了过去。几乎每个视觉检测项目都会遇到这样的一周。模型没有变，变的是它看到的世界，这种现象叫域偏移（Domain Shift）：训练时的数据分布与运行时的数据分布不一致。
2026 年 arXiv 上一项传送带苹果分选的研究就描述了这个过程：在果园里训练出的模型进入加工设施以后，光照、背景、摆放方式和运动动态的分布都变了，性能随之下降。研究给出的对策包括在训练中纳入所有目标环境的数据、域随机化、风格迁移，以及新 SKU 上线初期用半监督方式做适应。Food Science & Nutrition 2026 年那篇多模态综述从数据工程角度也强调了类似的做法：多站点、多季节采样以防域偏移，并持续做漂移监控与再校准。
遇到准确率下滑，先别急着重新训练。更有效的做法是把问题拆开，按下面的清单逐项排查，每一项都写成“现象、可能原因、做法”。
- 光照。现象：白天准、夜班不准，靠窗的工位误剔率明显偏高。可能原因：环境光进入了视野，光源老化使亮度下降，水膜或蜡质产生镜面反光，被模型当成缺陷。做法：加遮光罩，改用漫射或穹顶光源，固定曝光；分时段、分工位各采一批图，直接对比灰度分布与误判位置。这一项在首页光线那篇里讲得更细。
- 相机。现象：更换相机或镜头之后，整体结果发生偏移。可能原因：不同相机的色彩响应、白平衡、景深和分辨率不同，镜头积尘或焦距被碰动。做法：用色卡或白板做定期校准，锁定白平衡与增益，记录相机与镜头型号，换设备后先用小批量重新验证。
- 速度与运动模糊。现象：调试时准，提速后漏检增多，尤其是小缺陷。可能原因：曝光时间与传送带速度不匹配，产品在曝光期间移动了若干像素；触发与编码器不同步，判定位置与剔除位置错位。做法：缩短曝光并提高照度，必要时用频闪光源，复核触发与剔除延迟，速度变化后重新标定位置。
- 产品与批次变化。现象：换了供应商、品种或季节，某一类误判突然增多。可能原因：训练集里没有的颜色、大小、表皮质地，或者成熟度分布不同。做法：上线初期采集新批次样本，经人工复核后补充训练；新 SKU 用小样本微调或半监督适应，同时保留旧批次样本做回归测试。
- 校准与漂移。现象：起初准确，几周后缓慢变差。可能原因：光源衰减、镜头积尘、白板污染、传送带磨损后背景颜色改变。做法：每班次用标准件做一次“体检”，为关键指标设漂移阈值，超过阈值就触发再校准。
- 标注一致性。现象：同一类缺陷，模型时而判为轻微、时而判为严重，复核人员之间意见也不一致。可能原因：缺陷分级标准不清，边界样本很多。做法：制作带样例图的分级图谱，让多位标注人员对同一批样本独立复标并计算一致性，把有分歧的样本单独拿出来讨论，而不是简单取平均。
排查时有一个顺序上的经验：先看错误集中在哪里。如果错误集中在某个时段或某个工位，多半是光照、相机或速度；如果集中在某个供应商或某个批次，多半是产品变化；如果哪里都有一点、又说不出规律，就该回头查标注和校准。
上线验收看哪些指标
验收不能只报一个总体准确率。实际可用的清单包括：
- 漏检率：有缺陷或异物的产品被放过去的比例，通常应先于总体准确率被关注，因为漏检直接对应客诉与安全风险。
- 误剔率：好产品被剔除的比例，可以直接换算成损耗和返工成本。
- 分批次、分班次、分产线的分项统计：总体 98%（示意）可能掩盖某个供应商批次只有 85%（示意）的事实。
- 按缺陷类型拆开的混淆矩阵：常见缺陷和罕见缺陷的表现往往相差很大。
- 人工抽检对照：验收期内每班按固定比例抽取产品做人工复判，作为对照的真值。
验收窗口至少要覆盖一次换批、一次换班和一次清洁维护，否则看到的只是最理想的状态。纵横国际官网建议把这些指标连同对应的光照、速度与产品条件一并写进验收文件，因为同样是“98%”，条件不同，含义完全不同。如果产线上还有内部品质类的检测，比如用光谱预测糖度或干物质，验收还要多一步：定期用新批次的破坏性理化数据复核标定，因为这类模型的漂移比外观类模型更难从图像上直接看出来。