我训练了一个卷积网络来将机械部件的图像分类为好或有缺陷。尽管测试精度很高，但我意识到该模型在光照略有不同的图像上表现不佳。

我试图检测的特征是微妙的，照明似乎使模型误判了很多假阴性。大多数（如果不是全部）训练和测试数据来自在漫射光下拍摄的图像。我尝试使用该模型的新图像是用聚焦光拍摄的。

希望直方图均衡（CLAHE）会有所帮助，我在将图像输入模型之前对图像进行了均衡，这样做是为了训练和测试数据。当时的问题是准确性很高，但模型似乎已经了解了图像和标签之间的其他相关性。均衡后，图像中的一切都突出，缺陷变得更加微妙，即使是人眼也难以检测到。

即使使用相同的光照但光照方向不同的情况下拍摄相同的组件，模型预测也会发生变化。所以我的问题是，无论是在数据端还是在模型中，我能做些什么，以便它对光照变化（或相同类型的光照但光照方向的变化）变得鲁棒？