一、从产线误检说起上周产线反馈了个头疼的问题：同一套RT-DETR模型，在测试环境里mAP能到89.2%，上了产线检测小尺寸工件时，误检率突然飙升。现场工程师把视频流截了几段发我，一看就明白了——测试集用的是1920×1080分辨率，但产线摄像头为了拍清细小零件，实际输出是2560×1440，而且工件在画面中的尺度变化比测试集大得多。这其实是个经典问题：模型在固定分辨率上训练，遇到尺度分布差异大的数据就“懵了”。想起早年做YOLO系列时也踩过这个坑，当时靠的是多尺度训练（Multi-Scale Training）硬扛过去的。今天咱们就聊聊怎么让RT-DETR也具备这种尺度鲁棒性。二、多尺度训练不是简单的resize很多人以为多尺度训练就是每批次随机选个尺寸，把图片缩放了扔进网络。如果真这么干，RT-DETR的性能反而可能下降。为什么？因为它的跨尺度特征融合机制对输入尺度很敏感。# 错误示范：别这样写！defrandom_resize(image,target_size
