透明反光和缺陷长尾要求同时设计成像与数据，不能只比较网络名称。
不同区域具有不同光学条件，正常学习输出差异分数，业务规则再评价。瓶型与模型模板需要版本化，热图不是真值。
一、问题的范围与前提
成像质量、数据分布、算法与业务判断各自有条件。清晰图像提供可观察细节，模型和规则解释输入，业务层决定结果如何使用。视野、曝光、颜色、姿态与输入尺度变化，都可能在模型参数不变时改变结果。
二、技术分析与方案取舍
反光与复杂花纹使正常图像变化很大，先稳定姿态、光学与曝光，再讨论异常学习。正常样本覆盖允许的方向和成像条件，训练、验证与测试按对象或采集批次分开。分块推理需要上下文与回写区域，边缘伪异常单独评价；前景掩膜不能把真实边缘缺陷一起排除。
热力图是相对特征距离，最终工作点由正常误报和缺陷漏检共同确定。公开方法不暴露现场模型组合、工位参数或真实缺陷库。验收包含细小划痕、黑点、反光和正常变化，并保留原始证据，目标指标不当作生产结果。
先固定输入和处理版本，保存必要中间产物，再比较单项变化。裁剪、缩放和配准要携带坐标关系，输出回到原图时检查尺度与偏移。数据按正常和困难条件分别组织，不把反光、遮挡或采集失败从报告中悄悄删掉。
三、实现与排查的顺序
- 固定区域和照明。
- 组织正常与缺陷集。
- 核对坐标与阈值。
- 分瓶型验收。
按这个顺序保留中间结果，可以区分输入条件、处理过程和最终输出。前一阶段的条件不成立时，先解释对应错误，再继续后面的试验；单次返回成功不足以覆盖整条链路。
最小示例
1
2
正常特征库 → 查询局部特征 → 距离分数 → 区域评价
独立验证：正常变化、真实缺陷、边界与反光
分数来自相对正常库的差异，不是缺陷真值。更新库改变分布，阈值需与模型、库和处理版本成对验证。
四、验证和结果解释
独立样本应覆盖预期工况，逐条预测与错误图支持复盘。分类、检测、定位和异常任务使用各自指标定义，阈值工作点与曲线指标不能混用。性能同时记录冷启动、稳态、尾部耗时和资源峰值，不挑最快一张代表整套系统。
| 需要验证的结果 | 保留的对照 | 不能由此推出的结论 |
|---|---|---|
| 未知缺陷有测试 | 固定输入与配置、对应输出 | 一次成功代表所有条件成功 |
| 正常变化有误报分析 | 中断前后状态与错误阶段 | 没有报错代表结果正确 |
| 切换可追溯 | 恢复后的同条件复测 | 临时恢复代表根因已经消失 |
验证无目标、多候选、边界、遮挡和不同光照。没有有效观测时给出明确失败或待确认，不为每张图强行选一个目标。图像文件真实保存和完整解码也属于链路检查，热力图漂亮不能替代缺陷真值与业务验收。
五、适用边界与结论
不披露未公开算法组合与参数，不把缺陷覆盖目标当实际准确率。
这条路径把“固定区域和照明”与“分瓶型验收”连在一起，中间保留可复查的条件。实施时优先确认“未知缺陷有测试”，再检查“切换可追溯”；两者都满足，才能在当前样本与配置范围内评价方案。设备、数据或软件版本改变以后，相关假设需要重新验证。
