11 月 4 日，智能网联技术创新团队在产教融合大楼举办学术报告会。大数据科学与技术专业大三学生王传宇以《表面缺陷检测技术路线》为题，汇报了自己在 399 张布料图上做的对比实验：一条靠人写规则，一条让模型自己学。团队师生 5 人参加。

报告从一个比方开始。验布工扯着布看一眼，就知道哪块有洞、哪块沾了油；机器要做同样的事，得把这一眼拆成四个问题——有没有缺陷、在哪里、是什么缺陷、够不够判废。难处有四处：缺陷可能只占画面的千分之一；与背景的灰度只差二三十级；布纹本身就是明暗交错；产线上一件只有几秒。

第一条路是把规则写出来。去噪、压平光照、把缺陷“突”出来，再定阈值分出黑白，最后量面积、算圆度、比长宽比。这条路快，单张约 4 毫秒，不用标注也不用训练；但在布料上它会失灵——真实缺陷只找回约 30%，每张图还要人工再筛几十上百个误报。“像撒网捞鱼，网眼大了漏鱼，网眼小了连水草一起捞。”

第二条路是让模型自己学。他从 COCO 预训练的 YOLO11n 出发微调，512 像素输入、30 轮，普通 CPU 上约 50 分钟。在 79 张图、92 个缺陷的测试集上，mAP@0.5 为 0.72，召回 69%、精确 68%；四类缺陷里油渍最好认（0.93），断线跳线最难（0.56）。

所以产线上的答案不是二选一：规则先粗找，模型细看拿不准的区域，再由规则量尺寸判废。他还是用比方收尾——“规则像量身高体重，快、便宜，但查不出早期毛病；模型像拍片子，能看出说不清的东西，但要设备、要片子、要经验。”