钢铁缺陷识别工程实践：成像链路、模型训练与部署闭环

1. 从车间里的那束手电光说起

如果你在冷轧精整线的出口段站过一个班，大概会记住这样一个画面：带钢以每秒十几米的速度从眼前掠过，质检员站在操作台上，手里拿着强光手电，眼睛盯着钢带表面，靠反光的变化去捕捉那些一闪而过的麻点、划伤和折印。一个班下来，眼睛是花的，判断标准也在悄悄漂移——同一条划痕，上班第一小时判为降级，第六小时可能就放行了。这不是人的态度问题，是生理极限问题。

钢铁缺陷识别这件事，本质上要解决的就是"人眼看不住、规则写不完"两个矛盾。人眼看不住，是因为速度太快、时间太长、注意力有限；规则写不完，是因为传统机器视觉靠的是人工设计特征——阈值分割、形态学运算、纹理统计量、边缘检测，这些方法在实验室打好光的样片上跑得很漂亮，一到现场就崩，原因很简单：钢铁表面的背景纹理太复杂了，轧制纹、氧化铁皮、乳化液残留、水渍、反光带，全都在干扰你，而缺陷本身的形态又变化多端，同一种"划伤"，有细如发丝的，有宽如指甲盖的，有沿轧向的，也有斜向的，光照稍微偏一点，灰度分布就面目全非。

深度学习进这个场景，靠的不是"高级"，而是它把"特征怎么提"这件事从工程师手里拿走，交给了数据。你给它几千张带标注的缺陷图，它自己去找那些人类说不清楚但确实存在的纹理模式。这也是为什么这几年从热轧到冷轧、从镀锌到中厚板，越来越多的产线开始尝试这条路线。

这篇内容面向的是准备动手做这件事的人：可能是刚接到任务的算法工程师，可能是产线上负责质量信息化的技术员，也可能是想搞清楚这套东西到底靠不靠谱的工艺人员。我会把从类别体系设计、成像链路搭建、模型选型、训练调参到现场部署的完整链路讲一遍，重点放在那些文档里不会写、但现场一定会遇到的问题上。

先说一个结论，可能有点反直觉：在钢铁缺陷识别项目里，模型往往不是最难的环节，最难的是缺陷类别怎么定、图像怎么采、误报怎么收场。这三件事决定了项目的上限，模型只是把上限兑现出来。后面几节会反复回到这个判断上。

2. 缺陷类别体系没定清楚，后面全是返工

2.1 类别不是越细越好，而是越"可执行"越好

我见过不少项目一上来就列了三十多个缺陷类别，热轧的结疤、麻点、压印、辊印、边裂、夹层、氧化铁皮压入、塔形、镰刀弯，冷轧的孔洞、折印、乳化液斑、锈斑、划伤、擦伤、平整纹，镀锌的锌粒、锌疤、漏镀、镀层脱落……列得挺全，问题是标注的人分不清，模型也学不动。

正确的做法是回到业务本身问一个问题：这些缺陷在下游工序里，处理方式是否真的不同？如果"划伤"和"擦伤"在判定上走的是同一套降级规则、同一个客户接受标准，那它们在模型里就应该合并成一个"线性机械损伤"类。反过来，如果"氧化铁皮压入"需要单独统计反馈给热轧工序做工艺追溯，那它就必须独立成类，哪怕它和"麻点"在图像上高度相似。

我在一个模拟项目里做过这样的对照：初始类别体系有 21 类，训练出来的模型整体准确率看着还行，但混淆矩阵显示有 6 组类别互相串得厉害，人工复核发现这 6 组里有 4 组本来就是同一个工艺成因、同一个处置方式。合并成 15 类之后，模型的有效识别率提升了接近 8 个百分点，标注速度也快了一截。这不是模型的功劳，是类别体系理顺了。

所以在项目启动的头两周，我会坚持做一件事：拉上质检、工艺、下游工序三方，一起把缺陷字典写出来。每个类别必须包含四样东西——典型图像、边界定义、与其他类别的区分要点、判定阈值。缺一样，后面标注就会出分歧。

2.2 一份能落地的缺陷字典长什么样

下面这张表是我习惯用的格式，字段不多，但每个字段都在解决一个具体的分歧点：

这张表看起来是管理工作，实际上直接决定了标注质量和模型的收敛速度。我踩过的坑是：项目做到一半，工艺那边更新了客户接受标准，"轻微锈斑"从可接受变成了需记录，结果之前的标注全得重来一遍，因为当时的标注根本没区分严重度。严重度这个维度一定要在第一天就加上，哪怕模型一开始只做类别判断，后面要做分级时也不用重新标。

2.3 类别不平衡这件事，从标注阶段就要开始管

钢铁缺陷的分布极度倾斜。正常表面占 99% 以上，剩下的 1% 里，麻点和划伤可能又占了一大半，真正稀有的边裂、夹层可能几千张图里才出几例。这种长尾分布不是训练阶段靠损失函数就能完全拉平的，标注阶段就得有意识地补。

我的做法是建一个"样本台账"，按类别记录当前样本数，设定最低样本门槛——比如每个类别至少 500 个独立实例（不是 500 张图，因为一张图里可能有多处缺陷）。达不到门槛的类别，要么去产线上主动"找"（比如调整排产计划，专门跑一批容易出边裂的规格），要么用合成的方式补（后面会讲），要么就诚实地承认这一类暂时不做，先上线能做的类，不要让一个只有 30 个样本的类别拉低整体表现。

提示：稀有类别的样本，宁可少而准，不要多而糊。我见过为了凑数把相似类别的图硬塞进来的，结果模型学到的是一团模糊的中间态，误报率反而更高。

3. 成像链路决定天花板，模型只能在下面跳舞

3.1 分辨率、行频、视场，这三个数是算出来的不是猜出来的

很多人接手项目第一件事是找模型，我的习惯是先算三个数：最小可检缺陷尺寸、相机分辨率、行频。算法很简单，但算错一个，后面全废。

假设现场要求能稳定检出 0.2mm 的麻点。按工程经验，一个缺陷至少要被 3 到 5 个像素覆盖，模型才能稳定学到它的形状特征，取中间值 4 像素，那么空间分辨率就是：

单像素对应实际尺寸 = 0.2mm / 4 = 0.05 mm/px

再假设这条产线的带钢宽度是 1250mm，如果只用一台线扫相机覆盖全宽，需要的像素数就是：

1250mm / 0.05mm/px = 25000 px

两万五千像素的线扫相机在市面上不是没有，但价格和后续的算力压力都很可观。更常见的工程做法是分成 4 台 8K 相机拼接，每台覆盖约 320mm 幅宽，像素数留一点重叠余量。这时候视场宽度就是 320mm，分辨率 0.04mm/px，比要求更宽松一些，属于合理的设计余量。

行频的计算同样直接。产线速度按 1.5 m/s（也就是 1500 mm/s）算，纵向分辨率要和横向保持一致，同样是 0.04mm：

行频 = 1500 mm/s ÷ 0.04 mm/px = 37500 Hz

三万七千五百赫兹,这个数超过了大部分常规线扫相机的行频上限，真按这个配置去做，要么降低速度、要么放宽分辨率要求、要么用多台相机做纵向分区。我列这个计算过程，是想说明一件事：成像参数的确定是产线速度和检出精度之间的硬约束博弈，"我想要更高的精度"这句话在现场是要付出代价的。

实际项目里我见过一种折中的方案：横向用高分辨率保证能看清细节，纵向分辨率适当放宽到 0.08mm，行频降到 18750 Hz，同时把检测目标调整为"长度方向的连续性"——因为水平划伤这类缺陷在纵向是贯穿的，纵向分辨率低一点不影响判断，只有垂直方向的点状缺陷会受影响。这种"按缺陷走向分配分辨率"的思路，是省成本又能保住效果的做法。

3.2 打光方式选错，再好的模型也白搭

钢铁表面缺陷的成像难点在于：它是一个高反光的金属曲面，缺陷有凸起的（锌粒、结疤）、有凹陷的（麻点、压印）、有纯色差的（锈斑、乳化液斑）、有纯几何的（划伤、折印）。这四类缺陷对光照的响应完全不同，用一种打光方式通吃是不可能的。

我一般会把光源方案拆成几路：

• 高角度漫射光：整个表面被均匀照亮，适合看颜色和反射率差异，比如锈斑、乳化液残留。缺点是凸起和凹陷的对比度会被抹平。
• 低角度暗场光：光线以很小的角度掠射表面，只有凸起或凹陷的边缘会亮起来，划伤、压印、锌粒这类几何缺陷在这路光下非常明显。这是钢铁表面检测里最常用也最有效的一路。
• 同轴光：适合镜面程度高的冷轧板，能抑制反光不均。
• 条形光加偏振片：对付水膜、油膜造成的干扰，偏振片能压掉一部分镜面反射。

多路光不是简单叠加，而是每一路配一个独立的检测通道，各自跑各自的模型或者共享骨干网络、分开输出头。这个设计的理由是：不同缺陷在不同光照下的信噪比差异太大，混在一起训练等于让模型自己去解一个光照混叠的谜题，白白浪费容量。

提示：光源的稳定性比光源的亮度更重要。恒流驱动、定期校准、灯珠老化的衰减曲线要记录。我遇到过一次批量误报，最后查出来是某一路条形光的一个灯珠坏了，导致该区域整体偏暗，模型的归一化被带偏了。

3.3 触发与同步：一个容易被忽略的隐性故障源

线扫相机靠编码器触发，编码器信号来自产线的测速辊或者电机编码器。如果触发信号不稳，图像会出现纵向拉伸或者压缩，缺陷的形状就变了，模型自然认不出。

这个问题在现场的典型表现是：同一卷钢，头部检测正常，中段开始误报增多。原因往往是产线在加速或减速段，测速辊打滑或者编码器分辨率不够，导致实际行频和图像行数不匹配。

解决办法有两个层面：硬件上，编码器尽量选高分辨率的，装在不会打滑的辊子上，信号线走屏蔽；软件上，在预处理阶段做一次"行间距校验"，用图像里已知的周期性特征（比如轧制纹或者标记线）反推实际的行间距，做一次轻微的纵向重采样。这个校验模块代码不多，但能救回不少莫名其妙的误报。

4. 分类、检测还是分割：三条路线的真实取舍

4.1 先把问题拆成"找得到"和"认得准"两件事

新手常犯的错误是把"缺陷识别"当成一个单任务。实际上它至少包含两个子问题：缺陷在哪里（定位）和缺陷是什么类别（分类）。这两个子问题的难度和评价标准完全不同。

定位难在召回——漏掉一处缺陷，后面分类再准也没用。分类难在精度——定位框里到底是不是真缺陷、是哪一类，误判会直接变成误报。

所以工程上我更倾向于两阶段或者多任务的架构，而不是一个端到端的检测模型硬扛所有事情。

4.2 三条路线的适用边界

我在实际项目里的组合通常是这样的：先用一个轻量的候选区提取模块做粗筛，再用分类网络做细判。粗筛可以是一个小分辨率的检测模型，也可以是基于传统方法的对比度分析——后者在很多场景下依然有效，因为缺陷区域和背景的局部对比度差异是客观存在的，用积分图做局部均值方差分析，速度快、不用训练、不会过拟合。

细判阶段的分类网络，输入是从原图裁出来的 ROI，尺寸归一化到 224 或 288。这里有个细节：裁剪时要留足够的上下文。只裁缺陷本身，模型看不到周围的正常纹理，反而难以判断；我一般会按缺陷外接框的 1.5 到 2 倍扩边，让模型能看到"缺陷和背景的对比关系"。

import cv2 import numpy as np def crop_with_context(img, box, scale=1.8, out_size=288): x1, y1, x2, y2 = box w, h = x2 - x1, y2 - y1 cx, cy = (x1 + x2) / 2.0, (y1 + y2) / 2.0 half = max(w, h) * scale / 2.0 H, W = img.shape[:2] nx1 = int(max(0, cx - half)) ny1 = int(max(0, cy - half)) nx2 = int(min(W, cx + half)) ny2 = int(min(H, cy + half)) patch = img[ny1:ny2, nx1:nx2] # 保持长宽比的前提下缩放，空白处用边缘像素填充 patch = cv2.resize(patch, (out_size, out_size), interpolation=cv2.INTER_AREA) return patch

这段代码没什么高深的东西，但扩边系数scale是个需要调的参数。我试过 1.2、1.5、1.8、2.2 四档，在模拟项目的数据集上，1.5 到 1.8 之间效果最稳，1.2 的上下文太少，2.2 以上缺陷在图中占比太小，分类头容易忽略它。

4.3 冷启动阶段，无监督方法值得一试

很多产线刚上线时，根本没有缺陷样本库——设备刚改造完，历史数据全是正常品。这时候硬着头皮去标几百个缺陷是不现实的。

无监督异常检测在这个阶段能救场。它的思路是：只用正常样本训练，学出一个"正常表面的分布"，推理时任何偏离这个分布的局部区域都标为异常。这类方法不需要缺陷标注，几十张正常图就能跑起来。

但它有几个明显的局限，必须提前知道：第一，它只能告诉你"这里不对劲"，不能告诉你"这是什么缺陷"；第二，它对光照和材质的整体漂移非常敏感，换一个钢种、换一批轧辊，正常表面的纹理变了，模型就开始大面积误报；第三，阈值很难定，定高了漏检，定低了满屏框。

我通常把它定位成"上线初期的过渡方案"和"长期运行的兜底方案"——前者的意思是，用它先跑起来攒数据，等有标注了再切到监督模型；后者的意思是，监督模型总有覆盖不到的稀有缺陷，用一个异常检测通道做补充，至少能把它捞出来交给人工复核，而不是彻底漏掉。

5. 训练阶段的参数与技巧，哪些真有用哪些是玄学

5.1 数据增强在这里是个高风险动作

通用视觉任务里那套增强手段——随机旋转、颜色抖动、随机裁剪、MixUp——搬到钢铁缺陷上，有一半是帮倒忙的。

原因在于缺陷的语义和方向、颜色是绑定的。"划伤"基本都是沿轧向的，你把它随机旋转 90 度，它就变成了一个现实中不存在的形态，模型学到的是噪声。"锈斑"的颜色是它最重要的判别特征，你做一个强力的 HSV 抖动，等于把这个特征毁了。

我实际用下来比较安全的增强组合是：

import albumentations as A from albumentations.pytorch import ToTensorV2 train_tf = A.Compose([ # 小角度旋转，模拟相机安装的轻微偏差 A.Rotate(limit=8, border_mode=cv2.BORDER_REFLECT_101, p=0.5), # 亮度对比度微调，模拟光源衰减和曝光波动 A.RandomBrightnessContrast( brightness_limit=0.12, contrast_limit=0.12, p=0.6), # 轻微高斯噪声，模拟传感器噪声 A.GaussNoise(var_limit=(3.0, 12.0), p=0.3), # 轻度模糊，模拟对焦漂移 A.GaussianBlur(blur_limit=(3, 5), p=0.2), # 弹性形变，非常轻微，模拟带钢张力变化 A.ElasticTransform(alpha=1, sigma=8, p=0.2), A.Resize(288, 288), ToTensorV2(), ])

注意几个细节：旋转限制在 8 度以内，超过这个范围就不符合现场的实际分布了；亮度和对比度的调整幅度都压在 0.12，因为产线的光源是恒流的，实际波动不会太大，增强过头反而制造了不存在的困难样本；弹性形变的参数调得很温和，只是想模拟张力带来的轻微几何畸变。

有一个增强我是明确禁用的：水平翻转。初看好像没什么问题，但如果你仔细想过缺陷的物理成因，会发现某些类别的分布是有方向偏好的（比如边部的缺陷通常在一侧更密集），翻转之后这个统计特性就被破坏了。除非你能确认左右对称，否则不要开。

真正有效的增强不在通用库的列表里，而在缺陷合成上。Copy-Paste 的思路是：从已有缺陷图里抠出缺陷区域，贴到正常背景的不同位置上，生成新的训练样本。这个东西对稀有类别特别有用，一个只有 50 个样本的类别，通过合成能扩到 500 个以上。副作用是合成边界的融合痕迹可能被模型当成特征学到，所以贴的时候要用泊松融合或者羽化，不要硬贴。

5.2 损失函数和采样策略，先看数据长什么样

类别极度不平衡的情况下，交叉熵会倾向于把所有样本判成多数类。常见的对策有三类：重采样、类别加权、Focal Loss。

我的经验是：先看少数类的绝对数量够不够。如果稀有类别有 300 个以上的独立实例，用类别加权交叉熵（权重按类别频率的倒数开方，不要直接用倒数，太激进）就够了；如果只有几十个，那问题不是损失函数能解决的，得靠合成数据或者两阶段训练——先在平衡的子集上预训练，再在全量数据上微调。

Focal Loss 我一般只在检测模型里用，因为检测任务的正负样本比例更极端（一张图里可能有上万个候选框，只有几个是正的）。分类任务里用它，超参 α 和 γ 调起来太费劲，收益不明显。

还有一个细节：验证集必须按卷划分，不能按图片随机划分。同一卷钢上的缺陷高度相似（同一个轧辊造成的辊印会在整卷上重复），如果按图片随机划分，训练集和验证集里出现来自同一卷的相似样本，验证指标会虚高，你以为模型泛化得很好，上线之后才发现完全是另一回事。这个坑我在早期项目里踩得很实在，验证集准确率 96%，上线第一周误报率高得让操作工直接把系统关了。

5.3 阈值怎么定：用业务指标反推，不要用准确率

模型输出的是概率，概率到判定之间有一道阈值。这道阈值怎么选，是整个项目里最需要和现场对齐的地方。

准确率在这个场景下几乎没有指导意义。假设缺陷占比 1%，一个永远输出"正常"的模型准确率是 99%，但它完全没用。真正要盯的是三个数：

• 漏检率（Recall）：有多少真实缺陷没被检出。这个数直接对应质量风险，越低越好。
• 误报率：单位长度或单位卷上的误报次数。这个数直接决定操作工愿不愿意用。
• 每卷平均报警数：这是操作工最直观的感受指标。

这三者之间是此消彼长的关系。阈值调低，召回上去，误报也上去；阈值调高，误报下来，漏检上去。

我的做法是画一条 DET 曲线，然后在曲线上找一个"业务可接受点"，而不是数学上的最优点。具体来说，先问清楚两个问题：现场每卷能容忍多少次误报？漏检的后果有多严重？

如果漏检会导致客户投诉甚至批量退货，那就要偏保守，宁可误报多一点；如果误报多了操作工会直接关掉系统，那就要偏激进。这个决策不是算法工程师能单方面定的，必须和质检主管一起定，而且定完之后要把这条曲线的数据留存下来，后面再有争议，拿数据说话。

提示：给操作工留一个"一键复核"的入口非常重要。模型报警之后，让人在两秒内能确认或否认，否认的结果自动回流成训练样本。这个闭环是系统能长期活下去的关键，没有它，模型只会随着时间推移越来越不准。

6. 从实验室到产线：部署链路上的硬约束

6.1 延迟预算是倒着算出来的

产线的速度决定了你的推理时间上限。这条约束是硬的，没有商量的余地。

假设带钢速度 15 m/s，单台相机横向视野 320mm，纵向按 0.5m 一段做检测（这个长度是留给后处理融合的），那么一段图像在相机视野中停留的时间是：

0.5m ÷ 15 m/s ≈ 33 ms

33 毫秒，这就是你从拿到完整一段图像到输出结果的极限。这里面还要扣掉图像传输、预处理、后处理、结果上报的时间，留给模型推理的预算大概只有 20ms 左右。

20ms 能做什么？在一张中端工业级显卡上，一个 ResNet-50 级别的分类网络跑单张 288×288 的图，大概 3 到 5ms；如果要做 20 个 ROI 的批量推理，可以用 batch 并行，摊到每个 ROI 上更便宜。但如果换成一个大分辨率的检测模型跑全图，20ms 就非常紧张了。

这就是为什么我前面说"粗筛加细判"的两阶段架构在工程上更划算：粗筛用的是小模型或者传统方法，成本极低；细判只对少数候选区做，批量推理。整体延迟可控。

6.2 加速手段的优先级

部署阶段的加速，我一般按这个顺序做：

1. 先确认是不是模型的问题。很多时候瓶颈在数据拷贝、图像解码、颜色空间转换上，不在推理上。用 profiling 工具看一眼各阶段耗时，别一上来就想着量化。
2. 转成推理引擎格式。ONNX 是中间态，再转成目标硬件对应的引擎，通常能拿到 1.5 到 2 倍的加速。
3. 做 FP16 或 INT8 量化。FP16 基本无损，可以直接上；INT8 需要校准集，校准集必须来自真实产线图像，不能用随机噪声，否则精度掉得莫名其妙。我一般会保留两套引擎，量化版跑常规检测，原始精度版在离线复核时用。
4. 批处理和流水线并行。相机采集、预处理、推理、后处理做成四个阶段，用队列串起来，各阶段并行跑，整体吞吐能提升不少。

裁剪模型的思路也要考虑。钢铁缺陷分类这个任务，其实不需要太深的网络——缺陷的判别特征主要是局部纹理和形状，感受野不需要太大。我试过把骨干换成轻量级的结构，参数量降了七成，精度只掉了一个多点，延迟降了一半多，这笔账很划算。

6.3 结果怎么呈现，比模型精度更影响使用体验

这一点很多人忽略。模型输出一个框和一个类别，这只是原始数据。操作工需要的是：这卷钢有没有问题、问题在哪、严重程度如何、要不要处理。

所以后处理层要做的融合工作包括：同一位置的多帧结果去重（线扫是连续采集的，同一处缺陷会在相邻几帧里重复出现）、按缺陷字典做严重度分级、按卷汇总生成报告、把缺陷位置映射回带钢的实际米数坐标（这样现场才能找到它）。

坐标映射这件事有个容易出错的地方：图像坐标到实际米数的换算依赖编码器计数，而编码器计数在换卷、停机、倒车的时候会跳变。必须有一套校验机制，用卷号和米数做双重索引，不能只信编码器。

7. 现场跑起来之后，真正的麻烦才开始

7.1 模型漂移是常态，不是意外

实验室里 95% 的准确率，上线三个月掉到 80%，这是常态。原因不是什么玄学，是很具体的物理变化：镜头积灰导致对比度下降、光源灯珠老化导致亮度分布改变、换了新轧辊导致表面纹理变化、换了钢种导致反光特性不同、季节变化导致车间温度湿度改变影响成像。

应对这个问题的核心不是让模型更强，而是建立监控。我一般会在系统里埋三类监控指标：

这三类指标跑起来之后，很多问题能在爆发之前被发现。我印象比较深的一次，是图像质量的梯度能量指标连续两天缓慢下降，运维按提示去检查，发现是一路光源的驱动电流在漂，肉眼完全看不出来，但模型的误报已经在悄悄上升了。

7.2 误报的闭环处理，决定了系统能活多久

误报是必然会发生的，无法消除，只能管理。管理的关键是：让每一次误报都变成一次数据回流。

具体做法是给操作工一个极简的复核界面——报警弹出来，两个按钮，"确认"和"误报"。点了"误报"之后，这张图连同模型输出一起进到一个待处理队列。算法侧每周清一次队列，把确认的误报整理成负样本，加入训练集，重新训练一版。

这个循环跑起来之后，你会发现一个有意思的现象：误报率的下降不是线性的，前两个月降得特别快，因为模型在快速学习现场那些你在实验室里根本想不到的"假缺陷"——水渍、反光、标记笔迹、捆带压痕、甚至飞虫落在镜头上造成的阴影。这些东西没有任何一个公开数据集里有，只能靠现场喂。

我一般会把这个闭环的周期定成两周一次小版本更新，三个月一次大版本更新。小版本只做负样本补充，不动模型结构；大版本才考虑换骨干、加类别、改架构。这样风险可控。

7.3 几个用血换来的小经验

不要相信单一光照通道的稳定性。任何一路光源出问题，如果只有这一路在判，整个区域就瞎了。多路冗余不是为了提精度，是为了容错。

标注规范要版本化。缺陷字典改了，标注规范就得跟着改版本号，每张图的标注记录要带上版本号。否则半年后你根本分不清哪些标注是按老标准做的。

上线初期不要把阈值调得太激进。先用一个保守的配置跑两周，让操作工建立信任，再逐步收紧。一上来就追求高召回，满屏报警，人的第一反应是关掉它，后面再想让他们重新打开就难了。

留一个手动标注入口。让质检员能在系统里直接框出模型漏掉的缺陷，这些样本的价值比任何合成数据都高，因为它们是真实的漏检案例。

训练集和验证集的划分要按时间或者按卷，不要按图片随机。前面提过一次，这里再强调一遍，这是我在多个项目里验证过的最容易导致"验证集虚高"的错误。

记录每一次模型更新对应的数据版本和代码版本。出问题的时候能回滚，能复现。这个在项目后期模型迭代频繁的时候尤其重要，没有版本管理的模型迭代，最后一定是一团乱麻。

我自己在这个方向上做了几年，最大的体会是：这套系统的价值不在于模型有多准，而在于它能不能稳定地、可解释地、可持续地跑下去。一个 88% 准确率但每天稳定运行、误报可追溯、能自我迭代的系统，比一个实验室里 96% 准确率但上线两周就被关掉的系统有价值得多。技术选型的时候，把这句话放在心里，很多决策会变得清晰。