原型引导的动态域调制与用于洗发水瓶表面缺陷检测的大规模多 SKU 基准

工业洗发水瓶表面缺陷检测必须适用于众多库存量单位（SKU），而瓶体几何结构、材料、标签布局、反射率和成像条件的差异，可能显著改变同一缺陷的外观。现有工业缺陷数据集很少同时提供实例级缺陷标注和产品变体身份信息，因此难以在真实制造条件下研究面向 SKU 的检测。我们提出 Bottle-SKU，这是一个用于洗发水瓶表面缺陷检测的大规模多 SKU 基准。Bottle-SKU 包含 13,119 张图像、20,419 个实例级边界框、7 类缺陷和 48 个瓶体 SKU，可用于评估共享缺陷识别能力以及特定 SKU 的外观变化。针对 SKU 特定外观变化带来的挑战，我们提出原型引导的动态域调制（Prototype-Guided Dynamic Domain Modulation，ProDMM）。ProDMM 根据训练图像为每个 SKU 构建视觉原型，并为每个输入预测软 SKU 分布。基于原型条件化的表示会为视觉骨干网络动态生成低秩 Query/Value 调制，并为缺陷文本到视觉注意力生成残差条件，同时保留预训练 Grounding DINO 的检测路径。模型通过检测、SKU 域分类和调制正则化目标进行联合训练。在 Bottle-SKU 和公开的 GC10-DET-SKU 金属表面缺陷数据集上的实验表明，原型引导的域条件化对于工业表面缺陷检测具有显著效果。