AI Edge Box 上部署模型后，推理结果在设备上正常但实际业务场景出错，可能是什么原因？

[陵南高校仙道彰]

AI Edge Box 上部署模型后，推理结果在设备上正常但实际业务场景出错，可能是什么原因？
 

[weixin_38498942]

这种情况通常不是模型本身错误，而是部署链路和真实业务数据之间存在差异。

1. 预处理不一致
   训练时的预处理和部署时不一致是常见原因。例如训练时使用：

transforms.Normalize(mean=[0.485, 0.456, 0.406],
                      std=[0.229, 0.224, 0.225])

但部署代码中忘记归一化，或归一化参数写错。
2. 图像颜色通道顺序不同
OpenCV 默认读取为 BGR，而模型可能期望 RGB：

cv::cvtColor(frame, frame, cv::COLOR_BGR2RGB);

3. 输入分辨率不匹配
   模型训练输入为 640×640，但部署时误送入其他尺寸。
4. 量化引入偏差
   INT8 量化后精度下降，某些边界样本识别错误。
5. 后处理逻辑不同
   例如检测框阈值、NMS IoU 阈值、类别过滤逻辑与训练验证时不一致。