2023 年我接了个退货仓的项目。客户想在复核线上加一套视觉检测，专门挑破损箱。账算得很实在：一个破损件混进发货，索赔加上退货运费，够买好几台工业相机了。方案评审一路绿灯，卡住的地方却出乎所有人意料——不是算法选型，不是相机参数，是我们凑不出训练数据。

几个月下来，真实的破损样本只攒了几十张。更要命的是，这几十张高度重复：同一个角被压瘪、同几条传送带、同一个顶灯角度。模型硬着头皮训出来，上线第一周就把好端端的箱子当破损拦下来，误报多到操作员直接关了报警。那次之后我学乖了：视觉项目立项第一天，先问数据从哪来，而不是先选相机。

异常为什么拍不到

先把残酷的现实摆出来。破损、泄漏、错标签、封箱带翘起，这些异常在仓库里天然就是小概率事件。一条日过几万件的复核线，破损率能压到千分之几已经算管理到位。你想攒几千张"破损"照片，等于要守着传送带等几个月，期间还不能换季、不能调灯、不能换箱型，不然数据分布全变。

就算等到了，标注也是个无底洞。破损没有标准答案：箱角压瘪到什么程度算"损"？胶带翘起两毫米要不要标？三个人标同一张图，能标出三个版本。真实拍摄还有个隐形杀手：场景覆盖率。光照、相机角度、传送带速度、纸箱新旧程度，组合起来是无穷的。你拍到的永远是"过去三个月这个工位"的样子，模型一上线就水土不服。

等真实数据攒够的那天，项目窗口往往已经过了。这就是仓库视觉的死循环：最需要模型的地方，恰恰最拿不出数据。

三条造数据的路子

既然等不来真实异常，那就自己造。目前靠谱的有三条路，各有各的脾气。

第一条路，三维仿真渲染。建一个纸箱的三维模型，用程序控制压痕深浅、撕裂位置、污渍形状，相机机位、光照、背景随便换。渲染出一张图的同时，标注是自动生成的——因为渲染器站在"上帝视角"，边界框、分割掩膜、深度图直接从场景里读出来，一分钱标注费都不花。工具链已经很成熟：开源的有 BlenderProc，德国宇航中心 DLR 的 Denninger 等人 2019 年发表（arXiv:1911.01911），核心思路就是用照片级渲染把虚实差距压小；商业路线有英伟达的 Omniverse Replicator，官方定位就是给视觉检测、机器人这类场景批量生产带标注的合成数据；Unity 也有 Perception 工具包，专门生成带真值标注的合成数据集。

第二条路，域随机化，思路反直觉：不追求逼真，追求"乱"。2017 年 Tobin 等人发表的那篇论文（arXiv:1703.06907）是开山之作——训练图的纹理、光照、相机位置全部随机，乱到让模型觉得，真实世界不过是又一种随机组合。论文里用这种方法训出的定位模型，在真实场景达到了 1.5 厘米的精度。我的实战体会：传送带这种背景相对固定的场景，域随机化性价比奇高，因为你不需要把仿真做得多像，只需要把它做得足够"多变"。

第三条路，生成式模型。拿手里那几十张真实破损图，用生成对抗网络或扩散模型去"生"出更多变体。这条路我持保留态度。生成模型会一本正经地"脑补"，生出物理上根本不存在的破损形态，模型学了一堆假特征，上线照样翻车。我的 verdict：生成式只能当数据增强的配角，调调亮度、换换背景可以；指望它凭空发明新的异常类型，不行。

仿真不是万能药

破损纸箱的真实照片与三维渲染合成图并排对比

上面这张图，左边是真实仓库里拍到的破损箱，右边是三维渲染的"同款"。肉眼都能看出差距，模型只会更敏感。

虚实鸿沟是真实存在的。渲染图的光照做得再真，传感器的噪声、镜头的畸变、传送带高速运转带来的拖影，仿真里经常缺席。更隐蔽的坑是：合成数据里的"异常"往往做得太标准、太干净，而真实破损是脏的、随机的、不讲道理的。模型在干净数据上学到的决策边界，一碰到真实世界的泥泞就崩。

弥合的办法就一个：混合训练。合成数据打底盘，保证模型见过足够多的异常形态；真实数据做校准，把决策边界拽回现实。再往后是闭环迭代：把线上误报、漏检的真实图持续回流进训练集。合成数据解决的是"从零到一"，真实数据解决的是"从可用到好用"，两个谁也替代不了谁。

什么时候别玩合成

合成数据虽好，有些场景老老实实拍照更快。

异常形态本身很规整的时候，别折腾仿真。比如错标签检测：打印一批标签贴上去，一个下午能拍几百张，角度光照随便摆。建模师建场景的时间，够你拍完三轮了。

团队里没人懂三维管线的时候，也别硬上。仿真这套东西，建模、材质、光照、渲染管线，样样都是手艺活。外包建模的报价经常比拍摄加标注还贵，还返工两三次，项目直接烂尾。

最后算一笔账。真实拍摄是线性成本：拍一张、标一张，多一张就多一分钱。仿真是固定成本：场景建好的那一刻最贵，之后加量的边际成本接近零。所以决策点很清晰：你要的样本量越大、异常越稀有，合成数据越划算；反过来，样本需求小、异常好复现，相机拿起来就拍，别犹豫。

明天就能动手：五步检查清单

如果你明天就要启动一个仓库视觉项目，按这个顺序做，别跳步：

  1. 先数样本：把你要检测的异常类别列出来，每个类别现在手里有几张真实照片。连验证集都凑不齐的类别，直接划进"必须用合成数据"。
  2. 先装机位：按最终部署的机位把相机装好，连续跑一周。真实数据流先攒起来，这是你将来做校准的本钱。
  3. 先跑通工具：找台带 GPU 的机器，把 BlenderProc 的官方示例跑通，渲染出第一批自带标注的图。跑不通，就别谈自建仿真管线。
  4. 先做对照实验：合成数据打底加真实数据校准，训一个小模型；再用纯真实数据训一个。比误报率和漏检率，数据说话。
  5. 再谈规模：对照实验里合成路线赢了，再投入建完整的仿真场景；输了，老老实实回去拍，别跟工具较劲。

我的 verdict 很直接：合成数据不是银弹，但它是仓库视觉项目里最被低估的一根杠杆。用对地方，它能把"等数据"从几个月压缩到几周；用错地方，它就是烧钱的玩具。区分这两者的，永远是你手里的对照实验，不是对技术的信仰。