白天训的模型，晚上直接跑会乱报——推理端得先门控
问题
我手上有个检测模型，只在白天拍的画面上训练出来的。部署的时候设备是二十四小时开机的，白天黑夜都在跑。我心里默认模型”既然能认白天，晚上应该也差不多能凑合”。
现象
真把夜里的画面喂进去，才发现完全不是那么回事。夜里用的是另一种成像（红外那种冷色调、噪点也跟白天不一样），模型从来没见过这种样子的图，于是一通乱检——明明画面里什么都没有，它硬给你报出一堆目标，而且报得还挺自信。白天好好的准确率，夜里直接崩成筛子。
问题不在模型训得不好，而在我拿错了数据去喂它：你只教过它白天长什么样，就别指望它晚上也认得。
怎么解决
既然训练数据做不到白天黑夜都覆盖，那就别让不匹配的帧进模型。我在推理端加了一道门控，两招都试过：
- 按时间段管：只在白天那个时间窗里跑检测，夜里干脆不调模型。
- 按亮度管：每一帧先算个平均亮度，低于某个阈值的暗帧直接跳过，根本不送进模型。
两招本质一样——把模型没见过的那种帧，在进模型之前就挡在门外。
结论
训练数据和部署场景必须对齐，这是底线。对齐不了的时候，别硬指望模型”通吃”，老老实实在推理端把不匹配的输入过滤掉。模型的边界，要靠代码在它外面画清楚，不是靠它自己懂事。