【RT-DETR实战】129、训练数据偏见检测与缓解：从一次深夜调试说起

凌晨两点，部署在产线上的目标检测模型突然把一批合格品全部标记为“缺陷品”。

产线紧急停机，我盯着监控画面里那些明明符合标准的零件，心里一沉——这不是模型收敛问题，是数据偏见在作祟。

偏见从哪里来？

那次事故的根源在于训练数据分布不均。我们用了过去三个月的生产数据，但那段时间恰好是设备调试期，异常样本比例是正常生产时的五倍。

模型学会了“过度敏感”，把正常工艺波动也判定为缺陷。这种偏见在测试集上表现不明显，因为测试集同样来自那个时段。

数据偏见通常藏在三个地方：

1. 样本数量分布不均（比如正负样本9:1）
2. 特征分布偏移（训练集光照条件单一，实际环境多变）
3. 标注主观偏差（不同标注员对“轻微划痕”标准不一）

检测：用代码挖出隐藏的偏见

# 偏见检测工具箱importnumpyasnpfromcollectionsimportCounterdefchec