各位大佬好，目前落地工业圆形铝片质检项目，整体方案：SSD MobileNet V1 模型，基于 Paddle-Lite 部署，搭载树莓派搭配 FPGA 做推理加速，检测铝片表面脏污、褶皱缺陷。 
数据集已分别标注圆形铝片本体与各类缺陷目标，反复调试算法、扩增数据后仍存在两处核心难题： 

细小缺陷漏检、识别精度不足，识别率达不到产线要求；
业务需同步测算铝片实际尺寸，硬性精度要求误差控制在 0.1mm 以内，仅依靠检测框换算像素尺寸偏差严重。

想请教社区有同类嵌入式 + FPGA 视觉落地经验的前辈两个方向优化思路： 

在 SSD+MobileNetV1 轻量化、FPGA 加速的限制下，从数据集、训练策略、模型微调、预处理后处理层面如何提升缺陷识别效果？是否有更适配 FPGA 部署的替代轻量检测模型？
深度学习定位很难实现亚毫米级测量，有无成熟联合方案：AI 粗定位铝片区域 + 传统...