先给结论：人工智能稀有病灶别等几千张图。医院十年也许只有几十例，产线最该抓的缺陷几乎不出现。2026年扩增必须主体留在真照片上：改光照、改季节，不改工件、不编新物种。语义跑了的生成图丢掉。半猫半狗教不出真缺陷。瞎编进训练，等于把门禁拆掉。文本好凑，影像贵，贵的地方更不许用假样本充数。

人工智能视觉很能吃图，痛点在真该学的图几乎没有

文本到处都是。影像相反。稀有病灶要专家标，专家时间贵。产线要抓的是几乎不出现的裂纹。农田要抓的是还没爆发的病斑。没有几千张，不等于不能做。等于不能按「再爬公开图」的办法做。公开图里没有你们的相机、你们的灯、你们的季节。

旧办法是翻转、裁切、把两张拼成一张。拼出来的东西世上没有。半个工件贴在另一个上，模型学会的是拼贴，不是缺陷。新办法是让生成模型凭空再画一千只鸟。鸟会漂：喙的细节被抹平，品种界线消失。用漂过的图训练，有时还不如不扩增。不扩增至少没学假。

能用的扩增很窄：真照片留着，只改它周围的世界。雪、雨、水彩、另一种灯。主体不动。再把改过的和原图按像素和语义对齐，漂了的丢掉。丢掉很狠。狠是门禁。门禁比数量重要。数量可以周报，门禁决定会不会在另一台机器上认错。

换相机、换季节、换产线，是默认压力。只在原图分布上高，到新灯下就掉。掉了还宣传已覆盖，覆盖是相册，不是现场。现场要的是同一主体在没拍过的条件下仍能被认出。

医学上更严。公共相册上的增益，不能直接写进放射科。放射科要自己的验证和准入。工具可以先帮「标得起的几十例变成能练的几百例」。帮的前提是主体还是那几十例，不是新编的病灶。

人工智能少图扩增2026五步：先真图，再改环境，再许进训练

1. 稀有类别先数真标签。真标签不够，优先扩增，不优先再爬无关公开图。
2. 扩增只改环境，不改主体。凭空生成新个体，标为编造，默认不进训练。
3. 每张扩增图对照原图做漂移门。语义跑了，丢掉。丢掉比例要记。
4. 禁止拼贴式假样本当主数据。拼贴最多当辅助，且不得进入高风险验收。
5. 换相机、换灯、换季节必须单列测。只在原分布高，不得称已覆盖现场。

两处只有盯过标图才清楚。其一，放射组十年攒了四十例罕见影。生成模型补了一千张，看起来很像。专科一看，纹理被抹成另一种病。用补的图训练，常见病更稳，罕见的更混。后来改成：四十例只改窗宽和噪声，主体锁死，漂了的全扔。扔了七成。留下的三成才让另一台机器上的检出升。升的是真的。其二，产线把裂纹图和完好图对半拼。模型学会找拼缝。拼缝在真实件上没有，真实裂纹被当成污渍。改成同一张裂纹片换灯、换油污背景，裂纹还在。夜班漏检才下降。

农田同样。把病斑画到没出现过的叶片上，模型会在健康叶脉上报警。报警多了，农技员关掉系统。关掉之后，真爆发才来。真爆发要的是少报、报得准，不是相册很大。

建设者该把「真图改环境加漂移门」做成少样本视觉默认。管医疗和产线的人，该拒收凭空生成当主体、拼接当主数据、不过换机换灯测的方案。那种方案是在用假世界教真事故。

结论：人工智能少图场景，成功标准是主体还在、假图进不了训练，不是把相册堆到几千

数真标签。改环境。过漂移。禁拼贴。换条件单列。仍等几千或瞎编，稀有的会一直等，等来的是假确信。

你下次看影像或缺陷模型，先问真标签有几张、扩增有没有锁主体和过滤漂移；两问含糊，模型先不要读片子、先不要停线。

现场还要防口号替换验收。把「已经自主、评测已高、监测已覆盖、样本已扩增」写成周报，不等于有人认账、病人做对、实地还在、主体还是真照片。周报可以写，门禁必须绑在具名、行动、地面和漂移过滤上。

若只能改一处：先把「系统自己决定了」从事故结论文里拿掉。能执行可以记，负责人、听完会做、实地校对、真图还在四件跟不上就算事故。

现场还要防口号替换验收。把「已经自主、评测已高、监测已覆盖、样本已扩增」写成周报，不等于有人认账、病人做对、实地还在、主体还是真照片。周报可以写，门禁必须绑在具名、行动、地面和漂移过滤上。

若只能改一处：先把「系统自己决定了」从事故结论文里拿掉。能执行可以记，负责人、听完会做、实地校对、真图还在四件跟不上就算事故。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源