本文介绍了针对洗发水瓶表面缺陷检测的多SKU大规模基准Bottle‑SKU，以及原型引导的动态域调制（ProDMM）方法。Bottle‑SKU 包含 13,119 张图像、20,419 个实例级边界框、七类缺陷和 48 种瓶子 SKU，提供了缺陷标注和 SKU 身份信息，可用于评估共享缺陷识别和 SKU 特定外观变化。
为解决 SKU 之间的外观差异，ProDMM 首先从训练图像中为每个 SKU 构建视觉原型，并为每个输入预测软 SKU 分布。随后利用原型条件化的表示生成低秩 Query/Value 调制层，作用于视觉主干网络，并对缺陷文本‑视觉注意力进行残差条件化，同时保留预训练的 Grounding DINO 检测路径。模型通过缺陷检测、SKU 域分类和调制正则化三个目标联合训练。
实验在 Bottle‑SKU 和公开的 GC10‑DET‑SKU 金属表面缺陷数据集上验证了原型引导域条件化的有效性，显著提升了工业表面缺陷检测性能。
点评