本技能面向工业自动光学检测(AOI)场景，利用NVIDIA Cosmos AnomalyGen(Cosmos-Predict2微调模型)在OSMO上构建缺陷图像生成流水线。覆盖PCBA、金属表面、玻璃三种检测对象，支持Day0合成(USD转ROI、图像编辑增强、AnomalyGen生成)和Day1真实图像推理与标注(real-photo alignment/manual ROI)，以及模型微调。关键词：缺陷图像生成、AOI、AnomalyGen、Cosmos-Predict2、PCBA、金属表面缺陷、玻璃缺陷、usd2roi、Day0、Day1、图像编辑、微调、OSMO。

本技能用于驱动 NVIDIA TAO VisualChangeNet/ChangeNet PCB 自动光学检测模型的端到端迭代改进循环，包括基线评估、根因分析、合成缺陷生成、k-NN数据挖掘、重训练与部署门控，直至达到 FAR/召回率 KPI 目标。关键词：TAO、VisualChangeNet、ChangeNet、AOI、缺陷检测、DEFT、RCA、合成缺陷、k-NN挖掘、FAR、召回率、模型微调、PCB。

该技能用于训练、评估、导出和运行 Visual ChangeNet（视觉变化网络）模型，支持 PCB/AOI 缺陷检测中的二值图像分类（PASS/NO_PASS）与变化分割任务。通过 Siamese 架构和预训练 C-RADIO/NVDINOv2 backbone，实现图像对比较与缺陷检测。关键词：Visual ChangeNet、AOI缺陷检测、PCB检测、二值分类、变化分割、TAO Toolkit、模型训练。

用于制造业表面缺陷检测的光学检测技能，基于孪生网络比较图像对来识别异常。支持数据训练、评估、导出和部署。关键词：光学检测、缺陷检测、AOI、质量检测、孪生网络、PCB缺陷检测、制造检测。

分析 NVIDIA TAO VCN Classify 实验的分类失败，选择最佳判定阈值，按标签排序最弱样本（弱 PASS/NO_PASS）并按光照条件展开，输出用于增强/重标注的数据队列与 RCA 报告。关键词：VCN、AOI、缺陷检测、间隙分析、阈值选择、数据增强、RCA。

该技能用于对NVIDIA TAO Visual ChangeNet分类实验执行深度根因分析（RCA），以图像证据驱动模型失败原因的定位，深入分析召回率、误报率（FAR）、PASS/NO_PASS等指标，审计视觉检测流水线质量，并为AOI缺陷检测模型输出带可视图表证据的RCA报告。适合模型开发、算法审计和质量工程场景。关键词：TAO, ChangeNet, 根因分析, RCA, AOI缺陷检测, 视觉检测, 模型审计, 召回率, FAR, 图像证据。