基于十余年在工业视觉检测领域的研究积累与工程实践，我们团队深耕高风险场景的缺陷检
测技术，围绕域偏移抑制、小样本学习、不确定性感知三大核心难题，构建了从理论建模到工程落地的完整技术体系。本书系统梳理了我们在高风险场景定义与价值分析、域偏移量化与适应策略、小样本与开放集检测算法、专用数据集构建、综合评价指标体系等方面的研究成果，既涵盖 MMD、贝叶斯神经网络等基础理论方法，也包含 CPDD 等自主研发的专用算法，更融入了光伏组件 EL检测、无人机巡检等典型场景的落地经验。本书的撰写旨在搭建学术研究与工业应用之间的桥梁：为科研工作者提供聚焦高风险场景的技术范式与研究思路，为工程技术人员提供可落地的算法框架与实践指南。书中所有方法均经过真实工业数据集验证，部分技术已成功应用于光伏电站运维、半导体晶圆检测等实际场景，有效降低了生产风险与运维成本。