5.2 计算机视觉应用审计

5.2 计算机视觉应用审计

视觉类模式涵盖图像分类、目标检测、实例分割、OCR与行为识别。本节横向审计它在制造质检、医疗影像、工地巡检、农业识别等现场的成色涨落，并提炼决定涨落的关键变量：环境可控性。

光线是最大的算法变量

四个现场摆在一起：电子厂产线相机质检、医院CT读片、工地摄像头安全巡检、田间病虫害识别。同一代检测模型，四个现场的成色排序恰好是"环境可控性"的排序。产线最好——封闭光罩、固定焦距、传送带匀速，成像分布几乎不变；医疗次之——设备标准化程度高但跨院漂移（2.2节）；工地再次——昼夜、雨雾、扬尘全在变；田间最差——太阳角度每小时都不同。审计视觉项目的第一个问题永远是"成像环境能锁多死"，这比问模型精度重要。

def deployed_accuracy(factors, lab_mAP=0.92):
    """示意：从实验室精度到现场精度的折损链。"""
    a = lab_mAP
    for name, penalty in factors:
        a *= (1 - penalty)
    return a

sites = {
    "产线质检": [("光照波动", 0.01), ("遮挡", 0.01)],
    "工地巡检": [("昼夜光照", 0.06), ("扬尘雨雾", 0.04), ("视角变化", 0.03)],
    "田间识别": [("日光角度", 0.08), ("风摆遮挡", 0.05), ("机型色偏", 0.03)],
}
for site, f in sites.items():
    print("%s: 实验室 92%% -> 现场约 %.0f%%" % (site, deployed_accuracy(f) * 100))
# 同一个模型，三个现场差出十几个百分点。
# 折损不是模型问题，是部署设计问题——打光、机位、触发时机都归工程管。
​

视觉项目的两条成本暗线

第一条是标注成本。视觉标注按框计价，一个检测项目起步就要数万张标注图，换一个新场景基本要重新标。审计时把标注费单列，很多"算法便宜了"的项目其实死在标注预算上。第二条是长尾样本的持续收集：缺陷检测里真正值钱的是罕见缺陷样本，它们出现的频率正比于生产事故率——你想要的样本恰好是最不想发生的事件的产物。成熟团队会为长尾建立专门的回流管道（产线拦截图自动入库、人工复核确认），这条管道的有无是视觉项目成色的分水岭。

import random

random.seed(82)

def rare_defect_flow(months=12, base_rate=0.001, capture_rate=0.3):
    """示意：罕见缺陷样本的积累速度决定模型对它的检出能力。"""
    samples = 0
    for _ in range(months):
        caught = 200_000 * base_rate * capture_rate   # 月产能 x 缺陷率 x 回流捕获率
        samples += int(caught)
    return samples

print("一年回流罕见缺陷样本:", rare_defect_flow(), "张")
print("装了回流管道后:", rare_defect_flow(capture_rate=0.85), "张")
# 捕获率从三成提到八成半，一年样本量接近三倍。
# 模型对这类缺陷的召回上限，在管道设计阶段就被写死了。
​

OCR与行为识别的补充

OCR是视觉模式里成色最稳的分支——票据、证照、表单的成像在扫码枪下高度可控，行业沉淀也厚。审计要点只剩版式泛化：换一种新版式的票据，抽取字段的位置全变，系统要有低成本的版式适配流程。行为识别（安全帽、跌倒、手势）则是最容易被演示高估的分支：小目标、遮挡、动作模糊三重困难叠加，现场精度常与演示差距巨大，审计时应要求实拍环境的测试集报告，而非公开数据集成绩。

图：环境可控性阶梯与成色对应

这张阶梯图给出了视觉项目的预算分配原则：先花工程钱把环境可控性买到手，再花算法钱买模型能力。审计中见到的反例几乎都是反着来的——环境裸奔，靠堆模型层数硬扛，结果维护成本失控。阶梯还提示了跨行业迁移的顺序：从左往右迁移是逆水行舟，每挪一格都要重新验一轮折损；从右往左迁移则是顺流而下，田间的模型放到产线几乎必然更好。

结果、解读与变式

背景（光线是最大的算法变量）、操作（折损链、回流管道）、结果（环境可控性排序与两条成本暗线）完整。解读：视觉模式的迁移规律是"环境可控性可以买"——加光罩、定机位、上触发式拍摄的工程投入，往往比换更大的模型收益高。变式：无人零售的货架盘点、加油站的安全合规抓拍、实验室的危险操作识别，都可用环境可控性加回流管道两把尺子直接审。下一节看预测类模式。

从检测到分割再到计数的审计口径

视觉任务链有一条从定性到定量的阶梯：分类（有没有）、检测（在哪）、分割（精确轮廓）、计数与计量（多少、多长、多深）。审计中常见的口径混淆发生在阶梯两端——供应商用检测级别的演示（框出瑕疵）支撑计量级别的承诺（算出瑕疵面积与合格判定）。计量对边界精度敏感得多：分割边缘差几个像素，面积误差就可能到两位数百分比。审计视觉项目的承诺时，先确认它落在阶梯哪一级，再按该级的精度口径要测试报告。桥梁裂缝宽度测量、钢结构焊缝评级这类计量级应用，报告里必须有像素当量的标定说明（一个像素对应多少毫米），否则数字无从谈起。

合成数据的成色

标注贵催生了合成数据：用三维引擎渲染带瑕疵的虚拟工件来扩充训练集。它便宜、标注完美、可控，但成色取决于与真实成像的差距——渲染的瑕疵纹理过于规则、光照过于均匀，模型学到的是渲染器的指纹而非真实缺陷。稳妥用法是合成数据加少量真实数据混合，并单独在纯真实测试集上验收。审计看到训练集里合成占比过半的项目，要求提供"仅真实数据"的测试成绩即可戳破水分。

视觉审计同样可以读薄成三问：光能不能控、样本能不能回流、要不要计量。光不能控先补工程再谈模型，样本不回流就先建管道，要计量就必须查标定。三问的顺序不能乱——它们恰好是从最便宜的问题问到最贵的问题，符合审计的省钱原则。