企业官网建设流程全解析

三年前我第一次被拉到某钢厂冷轧精整线的尾端，站在那条跑得飞快的带钢旁边，手里攥着一份“人工开卷检查”的排班表。检查工拿着手电筒趴在带钢上找缺陷，一卷几千米，眼睛盯到发花，漏检全靠运气，一卷判级判错就是几万块的损失。那一刻我脑子里只有一个念头：这事儿必须交给深度学习来做，靠人眼和传统算子已经顶不住了。基于深度学习的钢铁缺陷识别，说白了就是用卷积网络代替人眼，在带钢、板坯、棒材甚至铸坯表面上自动找出裂纹、夹杂、划痕、麻点这些毛病，并且把位置、类别、尺寸一起报出来。它解决的核心问题不是“能不能看见”，而是“在每秒几米的生产节拍下、在油污粉尘和反光干扰下，稳定地把缺陷和正常纹理分开，同时把过杀率压到产线能接受的水平”。

这套东西适合谁来参考？如果你是在工厂里做自动化改造的工程师，看第三、五章就够上手；如果你是做视觉算法的，第二、四章的数据和调参细节更对胃口；如果你只是刚接触工业质检的学生或者转行者，前面两章的背景和路线对比能帮你少走半年弯路。我下面写的是我自己从数据集搭建、模型训练到产线部署踩过来的完整链路，包含大量“文档里不会写、但现场一定会遇到”的细节。很多环节的结论和网上教程是反着来的，比如数据增强不能随便翻转、评估指标不能只看准确率、模型精度往往不是瓶颈而存储带宽才是。

1. 先想清楚：钢铁缺陷检测为什么必须换赛道

1.1 传统机器视觉方案的天花板到底在哪

很多工厂在换深度学习之前，其实已经上过一套基于传统算子的视觉系统：打一束条形光，用高分辨率相机拍灰度图，然后做中值滤波、Sobel 边缘、阈值分割、形态学闭运算，最后按面积和长宽比判缺陷。这套方案在缺陷对比度高、背景干净的场景下确实能跑，比如某些镀层表面的明显划伤。但只要换个钢种、换一批来料、换一个班次的照明状态，阈值就得重调，调完这一批好使，下一批又崩。

根本原因在于，钢铁表面缺陷的“特征”根本不是几何特征。裂纹可能只有几个像素宽、灰度差不到 10 个灰阶，和轧制纹路、氧化皮残留、水渍在低层特征上几乎无法区分。传统算子做的是“人工定义规则”，而人的规则表达能力有上限；深度学习做的是“从数据里学规则”，它能利用纹理的上下文、缺陷的走向连续性、周边区域的统计分布这些很难用公式写出来的东西。我做过一个对比：同一批含夹杂和氧化皮压入的样本，传统方案在调到最优阈值时召回率 76%、过杀率 18%；换成一个只有 4.7M 参数的轻量分类网络，召回率 93%、过杀率 6%。这个差距不是调参能补上的，是方法论层面的代差。

但我也要说句公道话：传统算子不是没用。在整套系统里，它最适合干“粗定位”和“异常初筛”的活——用简单的行列灰度投影、局部方差突变先把可疑区域圈出来，把送给神经网络的图像面积压缩到原来的 1%～5%。这一步省下来的算力，比你在模型上抠十天参数都值钱。

1.2 工业现场的四道硬约束，决定了你所有的技术选型

做学术数据集调模型，你只需要关心 mAP；做产线系统，你要同时被四根绳子拴着，任何一根断了系统就废了。

第一根是节拍。精整线带钢速度常见 2～5 m/s，高端线更快。假设检测精度要求 0.1 mm/pixel，线速度 3 m/s，那么线阵相机的行频必须是 3000 / 0.1 = 30000 行/秒，也就是 30 kHz。这个行频下，单台 8K 灰度相机每秒吐出约 8192 × 30000 × 1 字节 ≈ 245 MB 的原始数据，双相机拼一幅 16000 像素宽的全幅图，数据量直接翻倍。你没有可能把这玩意儿全存下来，更没可能全送进 GPU。所以架构上必须做“选择性留存 + 分级筛查”，这一点后面第五章会展开算。

第二根是精度。客户不会跟你说“mAP 要到多少”，他们说的是“漏检率低于 0.5%，过杀率不高于 5%”。注意这两个指标是互相拉扯的，你把置信度阈值调低，漏检下去了，过杀立刻上来，产线因为频繁误报停机，班组长第二天就来找你。真正可用的工作点，是在过杀率约束下把召回做到最高，而不是追求某个单一指标的漂亮数字。

第三根是光照与污染。钢厂环境里镜头一天不擦就一层灰，轧机乳化液飞溅、氧化铁皮粉尘、水雾，全都会落在镜头和光源罩上。这意味着你的模型必须对“整体对比度缓慢下降”这件事有鲁棒性，而不是只在你实验室那套打光下有效。

第四根是样本。缺陷是小概率事件，一条线一天可能就出几十个缺陷，你要凑够每类几千张标注样本，往往要攒几个月甚至跨产线收集。所以少样本、类别不均衡、标注成本，这三件事从一开始就得设计进方案里，不能等训练崩了再补。

2. 数据集这件事，决定了项目八成的成败

2.1 公开数据集只能用来验证思路，别指望它上线

业内流传比较广的公开钢材表面缺陷数据集，一般是六类典型缺陷、几百到一千多张图、200×200 左右的灰度图，类别包括夹杂物、斑块、麻点、氧化皮压入、划痕、裂纹。拿来跑通流程、对比几个骨干网络、验证损失函数有没有写错，它非常好用。但我必须直说：拿它训出来的模型直接上线，一次都不会成功。

原因有三个。第一是成像条件完全不同，公开集是离线采集、打光均匀、背景干净的裁剪块，产线是线扫、有反光带、有周期性轧制纹路。第二是缺陷尺度分布不同，公开集里缺陷基本占满画面，产线上一个 0.3 mm 的点状麻点在 512×512 的图里可能只占 3×3 个像素。第三是类别定义不同，公开集的“斑块”和产线上的“氧化皮压入”在视觉上高度相似，你按公开集的标签体系训练，上线后必然出现大量类别混淆。

我的做法是：公开集只用来做两件事——快速验证训练脚本和损失函数是否正常（loss 能不能收敛、能不能过拟合一个小批次），以及做骨干网络的初步选型对比。真正的训练集，必须从目标产线自己采。

2.2 类别定义与标注规范，这是最容易翻车的地方

你现在让三个老师傅去标同一批图，他们给出的标签一致率可能只有 70%。这不是他们不专业，是缺陷本身的边界就模糊。所以正式标注之前，必须先把标签体系定死，写成一张表，标注人员照着执行。

规范之外还有两个动作必须做。一是双人交叉复核，任何一张图至少两个人标过，不一致的进仲裁队列，由工艺工程师拍板。二是负样本要主动收集，很多人只标缺陷，结果模型没见过“长得像缺陷的正常纹理”，一上线到处误报。我通常会按 1:3 到 1:5 的比例加入难负样本，专门挑那些曾经误报过的区域重新标注为“正常”，这部分数据的价值比额外的正样本高得多。

提示：标注工具里一定要保留“不确定”这个选项。强迫标注员在二选一里猜，最后污染的是整个数据集，而且你事后根本查不出来哪些是猜的。

2.3 数据增强有边界，钢厂的图和自然图像不是一回事

网上讲数据增强的文章，一上来就是随机旋转、随机裁剪、色彩抖动、MixUp。放到钢铁缺陷上，其中一半是毒药。

随机旋转要禁用或者严格限制。轧制方向是有物理意义的，裂纹基本沿轧向延伸，辊印是横向周期性条纹，你把图转 90 度，裂纹变成横向，模型学到的方向先验就被破坏了。我一般只允许 ±5 度以内的小角度旋转，或者直接不转。

水平/垂直翻转要分情况。对于斑块、麻点这类各向同性的缺陷，翻转没问题；对于裂纹、划痕这种有明确走向的，翻转相当于凭空造了一批现实中不存在的样本，会拉低模型对走向的敏感度。稳妥做法是：只在各向同性类别上开翻转。

真正有效的是这几类：亮度和对比度的随机扰动（模拟光源老化和镜头污染）、高斯噪声和模糊（模拟对焦漂移）、随机遮挡小块（模拟水滴和粉尘遮挡）、以及针对小样本缺陷的 Copy-Paste——把标注好的缺陷实例抠出来，随机贴到正常背景上。Copy-Paste 对小样本类别特别管用，我用它把夹杂类的样本量从 300 张扩到 4000 张，那一类的召回直接从 68% 拉到 88%。但注意贴合边缘要做羽化和泊松融合，硬贴会产生明显的接缝伪影，模型会去学那个接缝而不是缺陷本身。

import random, cv2, numpy as np def industrial_augment(img, label, defect_cls): # 各向同性类别才允许翻转 isotropic = {"pitted", "patch", "inclusion"} if defect_cls in isotropic: if random.random() < 0.5: img = cv2.flip(img, 1) # 小角度旋转，绝不 90 度 if random.random() < 0.3: ang = random.uniform(-5, 5) h, w = img.shape[:2] M = cv2.getRotationMatrix2D((w / 2, h / 2), ang, 1.0) img = cv2.warpAffine(img, M, (w, h), borderMode=cv2.BORDER_REFLECT) # 光照扰动：模拟镜头污染导致的对比度衰减 if random.random() < 0.5: alpha = random.uniform(0.75, 1.15) # 对比度 beta = random.uniform(-18, 18) # 亮度偏移 img = np.clip(img.astype(np.float32) * alpha + beta, 0, 255).astype(np.uint8) # 高斯模糊：模拟对焦漂移与粉尘 if random.random() < 0.2: k = random.choice([3, 5]) img = cv2.GaussianBlur(img, (k, k), 0) return img

3. 模型选型：先问要输出什么，再问用什么网络

3.1 分类、检测、分割三条路线，别一上来就上最贵的

选型的第一步不是挑骨干网络，是确定你要的输出粒度。这三条路线的成本差距能达到十倍以上，很多项目死在“明明只需要判有没有，却非要上分割”。

我的经验是：先做分类，再做检测，分割按需。分类模型可以作为第一级粗筛，把“明显正常”的图挡掉，只把可疑图交给后面的检测模型，整个系统的吞吐能提升五到十倍。而分割只有在客户明确要求“输出缺陷面积用于判级”时才值得上，因为像素级标注的成本是画框的三到五倍，而且标注一致性更差。

检测模型上，工程上我更倾向单阶段的 YOLO 系列实现，选 n 或 s 这种小模型，理由是部署链路成熟、支持动态输入尺寸、导出 ONNX 后量化路径清晰。Faster R-CNN 这类两阶段方案精度在某些小目标场景确实略优，但推理链路复杂、后处理里的 NMS 参数在密集小目标上很难调，产线上不划算。分割就用轻量的 U-Net 变体或者基于 Transformer 的分割网络，前者参数少、对小数据更友好，后者在缺陷边界模糊时表现更好但要更多数据。

3.2 骨干网络与轻量化的取舍逻辑

骨干网络的选型要看你的算力预算和精度缺口。给一组我实测过的数字，输入 512×512 灰度图，单张 T4 上的推理耗时（FP16，含后处理）：

从 ResNet18 换到 ResNet50，参数量翻了一倍多，耗时翻了一倍多，召回只涨了 1.6 个百分点。这 1.6 个点在产线上值不值，取决于你的 GPU 预算和节拍余量。我的做法是先拿 ResNet18 打到瓶颈，如果瓶颈是“模型容量不够”再往上换；如果瓶颈是“数据标注质量不行”，换再大的网络也是白搭——这一点我吃过亏，有次硬上 ResNet101，训练集 loss 掉到 0.01，验证集纹丝不动，问题出在训练集里有一批标签标错了类别。

另外要提醒一句：工业图像很多是单通道灰度，别硬转成三通道喂给 ImageNet 预训练模型就完事。我的做法是保留三通道结构、把灰度值复制三份，这样能直接吃预训练权重；同时把第一层卷积的权重按通道求平均再复制回去，比随机初始化收敛快大概 30% 的 epoch。

3.3 细长缺陷和小目标，是这类任务的真正难点

钢铁缺陷里最难的不是块状缺陷，是裂纹。一条长 200 mm、宽 0.2 mm 的裂纹，在 0.1 mm/pixel 的图上就是 2000×2 像素，长宽比 1000:1。你用什么 anchor 都覆盖不了，常规的 3×3 卷积核在感受野里也几乎看不到它。

我试过三种解法，效果从差到好排列。第一种是加大输入分辨率，直接把 512 提到 1024，小目标确实好了一些，但推理耗时翻了四倍，节拍撑不住。第二种是改 anchor 比例，加上 1:8、1:12 这种极端长宽比，召回涨了 5 个点，但对不规则走向的裂纹依然无力。第三种是把图像切成沿轧向的长条 tile，比如 512×128，专门给裂纹类做一条独立的检测分支，和主分支的结果做融合。这个方案召回能到 90% 以上，代价是推理要做两次前向。最终我采用的是级联结构：主分支跑全图找块状缺陷，同时输出一个“疑似细长结构”的掩膜，只把这些掩膜区域的坐标送进第二条分支放大重检。综合耗时只增加了 18%，但裂纹召回从 71% 提到了 89%。

还有一个偏门但特别管用的小技巧：在通道维度上叠加梯度幅值图。把原图和它的 Sobel 幅值图堆成两通道输入，模型对边缘的敏感度会明显提升，尤其是低对比度的浅裂纹。这个改动只增加了第一层卷积的输入通道数，几乎不增加计算量。

4. 训练与调参：那些让你模型“看着能跑其实不能上线”的坑

4.1 类别不均衡，是所有工业质检的共性难题

正负样本比 1:100 是常态，某些稀有缺陷能到 1:2000。这时候用普通的交叉熵，模型会学到一个“全部判正常”的退化解，准确率还有 99%，看起来特别漂亮。

常规解法是 Focal Loss 或者加权交叉熵，但我实测下来，在钢铁缺陷上更有效的是难例挖掘 + 重采样组合拳。具体做法是：第一个 epoch 用普通交叉熵把所有样本过一遍，然后按每个样本的 loss 排序，取 loss 最高的前 20% 正样本和 top 5% 的负样本，组成一个“难例池”，后续训练时这个池子的采样概率放大 3 倍。Focal Loss 的 γ 参数我会设 1.5 而不是论文常用的 2.0，因为工业缺陷的难负样本（氧化皮质感）本身就很难，γ 太大容易把这些难负样本直接放弃掉，反而导致过杀率上升。

分割任务上，Dice Loss 和 BCE 的混合比单用任何一个都稳，比例大概 1:1。Dice 负责拉整体重叠度，BCE 负责稳住像素级分类的梯度。我在一个夹杂分割任务上试过纯 Dice，训练前期 loss 震荡得非常厉害，混了 BCE 之后曲线立刻平滑。

4.2 超参数不需要玄学，按数据量推就行

很多人调参靠试，我给一套我常用的推算逻辑。学习率：用带预训练权重的骨干时，backbone 的 lr 设为检测头的 1/10，初始值取 1e-3（AdamW）或 1e-2（SGD + momentum 0.9）。Batch size：能塞多大塞多大，但因为工业数据集往往只有几千张，batch 太大一个 epoch 只有几十步，BN 统计量也不稳，我一般控制在 16～32，配合梯度累积模拟大 batch。训练轮次：看验证集召回曲线的拐点，钢铁缺陷任务通常在 40～80 个 epoch 收敛，超过 100 还没收敛基本是数据或者标签有问题，别硬训。

学习率调度用余弦退火 + 3 个 epoch 的 warmup，warmup 这一条千万别省。工业数据集小，开头几步梯度方向噪声很大，不做 warmup 很容易一开始就把预训练权重带偏，后面怎么训都回不来。我遇到过最典型的一次，去掉 warmup 后模型前 5 个 epoch 的 loss 一直在 0.69 附近打转（二分类的随机水平），加回 warmup 立刻正常下降。

import torch, torch.nn as nn from torch.optim.lr_scheduler import CosineAnnealingLR, LinearLR, SequentialLR def build_optim(model, backbone_lr=1e-4, head_lr=1e-3, warmup_epochs=3, total_epochs=60): backbone_params, head_params = [], [] for name, p in model.named_parameters(): (backbone_params if name.startswith("backbone") else head_params).append(p) opt = torch.optim.AdamW([ {"params": backbone_params, "lr": backbone_lr}, {"params": head_params, "lr": head_lr}, ], weight_decay=1e-4) warmup = LinearLR(opt, start_factor=0.1, total_iters=warmup_epochs) cosine = CosineAnnealingLR(opt, T_max=total_epochs - warmup_epochs, eta_min=1e-6) return opt, SequentialLR(opt, [warmup, cosine], milestones=[warmup_epochs]) # 类别加权：按频率的倒数开方，避免稀有类权重爆炸 def class_weights(counts, power=0.5): inv = 1.0 / torch.tensor(counts, dtype=torch.float32).clamp(min=1) w = inv.pow(power) return (w / w.sum() * len(counts)).clamp(max=8.0)

注意最后那个clamp(max=8.0)，这是我自己加的保险。某些稀有类样本只有几十张，按倒数算出来的权重能到 50 以上，训练直接发散。开方之后再截断，是我试下来最稳的组合。

4.3 评估指标别只看准确率，那玩意儿在工业上会骗人

产线关心的指标和学术界完全不是一套。我总结的对照关系是这样：漏检率对应召回（Recall），是红线指标，通常要求 99% 以上（注意是召回，也就是缺陷里被找出来的比例）；过杀率对应假正率（False Positive Rate），是成本指标，通常要求 5% 以内；定位精度用 IoU 0.5 下的 mAP 衡量，主要影响后续自动判级；响应延迟是硬指标，超过节拍就是废的。

还有一个特别容易被忽略的指标：按卷统计的稳定性。单张图的指标好看，不代表一整卷几千米的检测稳定——可能某一段光照变了，模型就整段失效。所以我做验收时一定会按卷统计“每千米缺陷数”和“单卷内误报次数的方差”，方差大的模型在产线上是不可信的，哪怕它的平均指标更好。

5. 从实验室到产线：部署这一段才是真正的地狱

5.1 算力预算要先算清楚，再决定模型多大

我在第五章开头提过数据量，这里把它算完整。假设幅宽 1500 mm，精度 0.1 mm/pixel，则横向需要 15000 像素，用两台 8192 像素的线阵相机拼接覆盖。线速 3 m/s，行频 30 kHz。如果按 512×512 的 tile 做推理，每个 tile 覆盖 51.2 mm × 51.2 mm，那么每秒钟产生的 tile 数是：

横向 15000 / 512 ≈ 30 列，纵向 3000 mm/s / 51.2 mm ≈ 58.6 行/秒，合计约 1758 个 tile/秒。

就算单张推理只要 2 ms，1758 张也需要 3.5 秒的 GPU 时间，而实际只有 1 秒。所以你绝无可能对全幅全速做逐 tile 推理。可行的架构只有一种：两级筛查。第一级用极轻量的分类器（MobileNetV3-Small 级别，输入降到 128×128），对降采样后的图像做粗筛，耗时控制在 0.2 ms 以内，理论吞吐能到 5000 张/秒，把所有 tile 快速过一遍，只保留置信度落在可疑区间的 3%～8%。第二级才用高分辨率检测模型处理这些可疑 tile，此时每秒只需要处理 50～140 张，算力完全富余。

这套架构还有个额外好处：一级粗筛的模型更新频率可以很高，因为它训练成本低、对光照漂移最敏感，出了新样本一周就能迭代一版；二级模型则保持稳定，不轻易动。

5.2 与产线联动，坐标映射比模型本身更容易出错

模型输出的是“图上的框”，产线要的是“第 3 号卷、距头部 1247.3 米、距操作侧 682 mm 处有一处长 15 mm 的裂纹”。这中间的坐标映射，是整个项目里最容易出低级错误的地方，而且错了很难发现——因为系统看起来在正常工作，只是位置全偏了。

映射链路是这样的：编码器脉冲 → 相机行号 → 带钢纵向位置；相机标定 → 像素坐标 → 横向物理位置；再叠加上焊缝跟踪信号，扣除活套和张力带来的位置漂移。每一步都要单独验证。我的验证方法很土但有效：在产线停机时，人为在带钢上贴一张带刻度的标定纸，让系统识别并输出坐标，然后拿卷尺去量，误差控制在 ±3 mm 以内才算过。

注意：焊缝信号丢失的那几百毫秒，坐标会整体漂移，缺陷会被算到错误的卷上。这类问题的表现是“某个卷突然报了几十个缺陷、下一个卷干干净净”，排查时先看焊缝跟踪日志，别一头扎进模型里。

推理加速这块，路径很标准：PyTorch 训练 → 导出 ONNX（注意固定输入尺寸，动态尺寸会拖慢 TRT 优化）→ 用推理引擎做 FP16 或 INT8 量化。FP16 基本不掉精度，速度提升 1.6～2 倍，无脑上。INT8 要小心，我用 500 张正常图 + 200 张缺陷图做校准集，量化后召回掉了 2.3 个点，过杀涨了 1.8 个点，最后是“一级粗筛用 INT8、二级精检用 FP16”才把指标捞回来。

# 导出 ONNX，注意固定 batch=1、固定输入尺寸 python export.py \ --weights runs/detect/best.pt \ --imgsz 512 512 \ --batch 1 \ --opset 12 \ --simplify \ --include onnx

5.3 现场环境带来的三个“模型之外”的失效点

镜头污染是一次缓慢的正弦式衰减。刚擦完镜头那天，对比度最好，模型表现最佳；十天之后，整体对比度下降 15%，浅裂纹开始漏检。解决办法不是天天擦镜头（产线不会给你这个时间窗），而是在系统里加一个“图像质量监控”模块：实时统计每帧的灰度均值、方差、梯度能量，一旦低于基线一定比例就触发清洗提示，同时把这段时间的图像标记为“低置信区间”，在判级时给一个降级标记。这个功能上线后，客户抱怨“系统时好时坏”的声音基本消失了。

机械振动带来的是横向像素偏移，典型表现是缺陷框在同一个纵向位置上反复横跳。如果你定义了缺陷合并逻辑（同一位置的框要去重），横向抖动会导致同一个缺陷被算成两个，缺陷数量翻倍。我的处理是在后处理里加一个基于纵向距离的聚类，纵向间隔小于 20 mm 的同类框合并成一个，横向取加权中心。这个简单的后处理让缺陷计数准确率从 82% 提到了 96%。

光源频闪与相机行频不同步，会产生周期性的明暗条纹，这类条纹在某些角度下和辊印高度相似。这种问题必须从硬件上解决——用相机触发信号同步驱动光源，不能靠模型去学。我见过一个团队花了两个月调模型想消除条纹影响，最后发现是光源驱动器没接同步信号。

6. 常见问题与排查速查表

6.1 典型故障对照表

6.2 几条用真金白银换来的经验

固定测试集必须冷冻，永远不许拿去训练。我在项目早期犯过一个错：每次补新样本，都顺手加进训练集，结果验证指标一直涨，上线毫无改善。后来才知道，我一直在用“见过的题”考自己。正确做法是留一个 500～1000 张的固定测试集，按钢种、按班次、按月份分层抽样，覆盖尽可能多的工况，这个集合只在版本发布前跑一次，任何情况下都不进训练。

模型的版本管理要和生产系统的灰度机制配合。我们现在的做法是新模型先跑“影子模式”——接实时数据做推理但不输出控制信号，只在后台记录它和当前生产模型的分歧，跑满一周、分歧率稳定在合理区间后才切换。这个机制救过好几次，有一次新模型在夜班时段（光照条件不同）召回掉了 12 个点，影子模式直接提前发现了。

别忽略“模型能解释”这件事。产线上的班组长不信任黑盒。我们用 Grad-CAM 做了一个简单的热力图叠加，缺陷框旁边能显示模型关注了哪块区域。这玩意儿对精度没任何帮助，但对项目推进的作用极大——老师傅看到模型关注的地方和他们的判断一致，才开始愿意相信系统。技术之外的说服工作，往往比调参更耗时间。

最后再补一个数据回流的设计。系统上线不等于结束，产线每天都会产生新的难例。我们在检测端做了一个“低置信度自动留图”的机制：任何置信度落在 0.3～0.7 区间的样本，连同上下文自动存盘并打上时间戳和卷号标签，每周由工艺人员复核标注一批，回灌进训练集。这个闭环跑起来之后，模型的月度迭代基本不需要额外组织采样，靠系统自己就能持续变好。这套东西听着简单，但真正在产线上跑通，从存储带宽、样本去重到标注任务的派发，每一步都得设计，我花了大概三个月才让它稳定运转起来。