先规划场景分布
- 列出目标类别、尺寸、视角、距离、遮挡和光照变化，以及容易混淆的负样本。变化范围应贴近应用，不能只随机化颜色。对于缺少真实样本的条件，明确合成数据只是补充假设。
检查标注与图像对应
- 核对类别编号、框或掩码边界、不可见对象处理及坐标格式。抽查渲染失败、过度遮挡和重复帧。生成器能够自动导出标注不代表标注规则与训练工具完全一致，需实际载入检查。
划分数据避免泄漏
- 按场景、资产或采集批次划分，而不是仅随机打散相邻帧。保留独立真实样本做对照，查看不同条件下的误报和漏报。训练收益应与相同设置下的基线比较，不孤立展示一个高分。
交付数据与使用边界
- 提供数据字典、生成参数、划分清单和质检记录。记录素材、模型与纹理的使用范围。若无法提供真实验证数据，应明确当前结论只证明合成场景内的表现，不能承诺真实环境精度。