企业官网建设流程全解析

钢铁表面缺陷检测这件事，我从头到尾踩了一年多的坑。最早接手这个需求的时候，想法特别朴素：不就是给钢板拍张照片，扔进网络里分出个类别来吗？后来真正站到产线边上，看着钢板以每秒一米的速度从眼前呼啸而过、头顶的冷却水雾糊住镜头、白天和晚上的光照完全不是一个样子，才知道这件事的难点根本不在于选哪个网络结构，而在于你有没有能力把“工业现场”这四个字翻译成一个能训得动、跑得起的深度学习任务。基于深度学习的钢铁缺陷识别，说到底是把一条高速运转的金属加工产线上那些肉眼都未必看得清、看久了还会漏判的表面异常，交给一套稳定可复现的视觉系统去判读，输出缺陷的有无、类别、位置和尺寸。它解决的问题很明确：人工目检的漏检率高、一致性差、疲劳度高，而且缺乏可追溯的结构化数据。这篇文章主要写给三类人看——刚接触到工业视觉检测、想把深度学习真正落地到产线上的算法工程师；负责产线质量管控、需要评估这套方案可行性的工艺人员；以及正在做相关课题、想了解工程侧会碰到哪些真实问题的同学。文中涉及的具体参数、相机配置和缺陷类别，我做了合理虚构与抽象处理，但推导逻辑和踩坑经验是我真实趟过来的。

1. 方案整体设计与技术路线拆解

1.1 钢铁缺陷到底难在哪些地方

先别急着建网络。我在动手写第一行训练代码之前，花了两周时间只是看图片、跟着班组去现场看实物。有不看这些的同行，模型在测试集上跑到 0.9 的 mAP，到了现场直接掉到 0.4，回头就怪数据集不够大。真正的原因是没理解缺陷的成像特性。

钢铁表面缺陷的难点，我总结成下面四条，每一条都直接决定了后面模型怎么设计。

第一是类内差异巨大、类间差异极小。同样叫“划痕”，有几十毫米长的细线，也有一小片磨花的区域；而“氧化铁皮压入”和“麻点”在低分辨率下几乎是一个灰度斑块。这意味模型的判别能力不能只靠低频的纹理信息，必须保留足够的局部细节，输入分辨率的选择就成了第一道关卡。

第二是缺陷尺寸跨越三个数量级。最小的针孔类缺陷宽度不到 0.5 mm，最长的边裂可以贯穿整个视场。同一套感受野去吃两端目标会很吃力，这是我后来采用多尺度输入、并在推理时做切片的原因。

第三是极端的样本不均衡。一整卷钢带出缺陷的比例大概在千分之一量级，一张 2000×2000 的图上可能一条划痕都没有。类别之间的分布也极不均衡，常见缺陷占了七八成，剩下几类每类只有几十个样本。这种数据分布下，任何用普通交叉熵、普通随机划分训出来的模型都只是在拟合类别先验。

第四是成像条件不稳定。反光、水渍、氧化色差、辊子转动带来的周期性明暗条纹，全都会被网络当成特征学进去。我见过一个模型在训练集上对“辊印”这类缺陷识别极好，结果一换班，灯光角度变了 3 度，全部漏检。这不是模型的问题，是数据覆盖问题。

注意：如果你的任务里出现了周期性的条状纹理规律，先怀疑是产线本身的辊道或光源造成的假特征，而不是缺陷本身。判断方法很简单：把这块区域裁出来看它是否在整幅图上等间距重复出现。

1.2 为什么这套场景最终选了“检测”而不是“分类”

最开始我确实想用分类网络解决问题——一个钢板表面图片二分：有缺陷、没缺陷。跑得很快，效果看着也不错，99.8% 的准确率。但这个数字是骗人的，因为如果缺陷样本只占 0.2%，模型全部输出“无缺陷”就能达到这个准确率。更要命的是，分类模型给不出位置，产线要的是缺陷在哪、多大，好决定是切掉这一段还是降级处理。

分割方案我也想过，语义分割或者实例分割理论上信息量最全，但在工业现场有两个绕不开的门槛：一是标注成本，像素级标注需要熟练质检员用多边形一点点抠，一张图常常要十几分钟，做三千张的数据集成本已经很难接受；二是推理速度，全分辨率分割模型的耗时在产线节拍面前很难交代。

最终落点是目标检测，理由很清楚：矩形框标注的成本可控，能提供位置与尺寸的近似估计，可以量化出缺陷长度和宽度，同时推理速度快，可以做实时。代价是稠密小目标、细长裂纹的框回归不好，所以我们把“极细长裂纹”和“粘连缺陷”单独做了切片分检和后处理拆分，这部分后面细说。

1.3 整体链路是怎么串起来的

整套系统我拆成五段：成像采集、数据治理、模型训练、推理加速、产线集成。很多人喜欢只盯着第三段，实际上真正决定成败的是第一段和第五段。

成像采集决定了下限。你采回来的图本身信噪比不够、对比度不够，后面再怎么调模型都是徒劳。这一段的核心是光源方案和相机参数，1.3 之后的第四章会专门算一遍。

数据治理决定上限。包括标注规范、类别体系、抽帧去重、困难样本回捞。

模型训练是常规工程，选型、增强、损失、调参。

推理加速决定能不能上产线，通常要考虑半精度、图优化、批处理、切片调度。

产线集成是所有人最容易低估的一段——报警要不要联动执行机构、NG 图片存多久、模型更新怎么灰度、误检由谁来复检，这些都是代码之外的活。

我习惯把每一段的验收标准先写出来，再动手。比如成像段的验收标准是“在正常工况下，最小可检缺陷在图像上不少于 8 个像素跨度”，数据段的验收标准是“每一类缺陷在验证集中至少有 50 个实例，且覆盖至少 3 个不同批次”。

2. 数据集构建与标注核心细节

2.1 类别体系怎么定才不自找麻烦

类别体系这件事，我建议开工第一天就找懂工艺的人一起定，不要自己拍脑袋。我第一版定了 12 类，训了两周发现有三类样本加起来不到 40 个，且相互之间工艺上本来就难区分，最后不得不合并回 8 类，前面的标注全白做。

我的做法是按“工艺上是否需要区分处理”来定类别，而不是按“视觉上看起来不一样”。如果两类缺陷的处理方式完全一样——都是切掉、都是降级，那模型上就没有区分它们的必要，合并成一类反而能显著提升样本量。反过来，如果工艺上要区别对待，哪怕它们长得像，也得分开，并在标注规范里写清楚判定依据。

最终落地的类别大概是这样一副骨架：

类别定完之后还有一个容易忽略的事：给每一类写上“不是这一类的样子”。比如“夹杂”和“深色氧化斑”的边界，我当时在标注规范里补了一句判定规则——低于某个灰度且边界锐利、内部无纹理延伸的算夹杂，边界逐渐过渡的算氧化斑。这一句话让三个人标注的一致性从七成多提升到了九成以上。

2.2 标注质量的坑比想象中深

标注这件事，我建议宁慢勿快。真实经验是：一个模型效果上不去，九成情况先回头查标注，别急着改网络。

踩过的几个具体坑，说给你听。

框贴边的问题。有的标注员习惯把框画得紧贴目标边缘，有的留一圈余量。这两种风格混在一起，模型学出来的回归目标就是矛盾的。我的规范是统一向外扩 2 到 3 个像素，理由是卷积特征在目标边界处本来就存在扩散，稍大一点的框能让正样本采样更稳。

长裂纹的框怎么画。一条沿轧向延伸 800 像素、宽度只有 6 像素的裂纹，如果用一个大框把整条裂纹框住，框内 90% 都是背景，回归目标的宽高比极端，任何基于 IoU 的匹配策略都会出问题。我的处理是把长裂纹分段标注，每段控制在宽高比不超过 1:8 的范围内，推理时再做线段合并。这个改动让裂纹类的召回率提升了十几个点。

模糊区域的处理。产线上总有水雾、失焦、反光造成的模糊图。这些区域如果有疑似缺陷，标注员会犹豫。我的规定是：无法确认的一律不标，但整张图打一个“低质量”标签，训练时做降权采样。反过来，如果低质量图里一个框都没有，也不要直接当负样本用，否则模型会学到“模糊=无缺陷”这个错误关联。

重复帧去重。产线是连续采样的，相邻两帧差别极小。如果不做去重，同一个缺陷会在训练集和验证集里同时出现，指标虚高得离谱。我用感知哈希做粗去重，再用图像相似度做二次过滤，阈值调到能过滤掉同卷相邻帧，但不误杀不同批次里长得像的正常图。这件事做完，验证集指标掉了一大截，但那是真实指标。

2.3 数据增强怎么做才有效

增强策略这块，抄袭图像分类的通用配方在钢铁缺陷上会翻车。我一个个说。

几何变换要谨慎。水平翻转一般没大问题，但垂直翻转要慎用——很多缺陷有明确的轧向，垂直翻转会制造出现实中不存在的方向性。大角度旋转更危险，90 度旋转对纹理类缺陷（麻点、氧化皮）可能还行，对划痕类会引入不真实的分布。我的取值是随机旋转限制在 ±10 度，翻转只用水平翻转，且只对不敏感类别开启。

色彩扰动要克制。钢板的整体色调由氧化程度决定，不是一个可以随便改的属性。亮度、对比度的小幅抖动是可以的，色相的大范围偏移会破坏缺陷与基体的相对关系。我的参数是亮度 ±0.15、对比度 ±0.15、饱和度 ±0.1，超过这个范围我实测过，会把“深色夹杂”改造成看起来像“氧化斑”。

MixUp 和 Mosaic 要分场景。Mosaic 对检测任务很有帮助，它强行让模型在一张图里见到多尺度目标，对小目标召回提升明显，这个我一直在用。MixUp 混合是把两张图线性叠加，对钢铁这种强纹理图会叠出根本不存在的灰度假象，我验证过反而掉点，直接关掉。

我加了一个自造的增强：光照模拟。做法是把图像转到与亮度无关的通道空间，只对亮度分量做不规则的非线性映射，模拟现场光照不均造成的明暗带。这个增强比任何通用增强都管用，因为它对付的正是“换班后模型崩掉”这个问题。

import numpy as np import cv2 def uneven_illumination(img, strength=0.25): """模拟产线光照不均：沿随机方向生成低频明暗梯度""" h, w = img.shape[:2] # 随机方向的低频条纹，模拟光源角度变化 angle = np.random.uniform(0, np.pi) xs = np.linspace(0, 1, w)[None, :] ys = np.linspace(0, 1, h)[:, None] proj = np.cos(angle) * xs + np.sin(angle) * ys freq = np.random.uniform(1.0, 3.0) grad = np.sin(proj * np.pi * freq) * strength grad = np.clip(1.0 + grad, 0.55, 1.45) img_f = img.astype(np.float32) out = img_f * grad[..., None] return np.clip(out, 0, 255).astype(np.uint8)

这段代码我放在训练管线的最后一步，概率设 0.3。它不改变标注框位置，所以对检测任务完全安全，实测能把现场换班后的掉点幅度压掉一半以上。

3. 模型选型与训练实施要点

3.1 主干与检测头的选型逻辑

选型我一直遵循一个原则：能在同等精度下把推理耗时压下来的方案优先，因为产线的节拍是不等人的。所以我从单阶段检测器出发，先把基线跑通。

主干网络方面，工业缺陷检测的特征主要是中等尺度的纹理异常和细长的边缘结构。轻量级主干在高层语义上够用，但浅层的细节响应偏弱。我的做法是保留轻量主干，在浅层引出额外的高分辨率特征分支，并把检测头挂到更浅的层级上，代价是算力增加有限，收益是对针孔、细线类目标的召回。

这里有个具体的取舍我印象很深。早期我用了一个很轻的主干，参数量不到 3M，模型体积很小，推理飞快，但“麻点”这一类的召回一直在 0.6 附近上不去。我后来对比了特征图可视化，发现麻点在浅层响应其实很清楚，但经过几次下采样之后特征被稀释掉了。解决办法不是换大模型，而是把输入分辨率提高一档，并在特征融合时给浅层加权重。召回直接跳到 0.82，推理耗时只涨了不到 20%。

注意力机制我试过几类，结论是坐标注意力类（同时建模长宽方向）对细长裂纹有效，通用通道注意力收益有限。原因是细长缺陷在空间上的响应是沿一个方向延展的，只做通道加权捕捉不到方向性。但这个模块一定要放在融合层而不是主干里堆，堆在主干里参数一起涨，性价比很差。

3.2 正负样本分配与损失函数

这部分是很多教程略过的，但对不均衡数据影响最大。

正负样本分配。If 你用的是基于 IoU 阈值的分配策略，在钢铁缺陷上要小心：大片背景区域里的小缺陷，IoU 天然偏低，容易分不到足够正样本。我改成动态分配之后（依赖每个目标的统计特征决定分配数量），小目标的召回明显改善。这个改动我建议所有人都试一下，尤其你的数据里小目标占比超过三成的时候。

分类损失。极端不均衡下，普通二值交叉熵会被海量简单负样本主导。我用的是带聚焦系数的交叉熵，把易分样本的权重压下去，让梯度集中在难样本上。参数我用的 1.5，试过 2.0，太激进会导致训练后期震荡。同时配合一个正样本采样比例，控制每张图输入到损失里的正负比例在 1:3 左右。

回归损失。定位损失我用了带距离惩罚的形式，因为裂纹这类极窄目标，纯 IoU 形式的梯度在框不重叠时会消失，训练容易卡住。距离惩罚项能在框完全不重叠时仍然提供有效梯度，这一点对快速收敛帮助很大。

还有一个容易被忽略的处理：目标尺寸回归要做归一化。钢铁缺陷的宽高比分布极其极端，从 1:1 到 1:50 都有。如果不对宽高做对数空间的建模，回归目标会被少数巨大目标主导。我把宽高的回归放在对数空间里做，同时给极小目标的宽高加了一个最小值约束，防止训练早期框宽收缩到 0 导致数值问题。

3.3 训练参数与调参记录

参数这块我按实际跑过的配置说，但你要理解为什么这么设，直接抄数值意义不大，因为硬件和分辨率不同。

批次大小我定在 16，输入分辨率 640，这样一张卡（24G 显存）刚好可以开混合精度训练，显存占用在 80% 上下。我试过开到 32，学习率线性放大之后收敛更陡，但小批次那种“噪声带来的正则效果”反而更好，验证集更稳，所以我留在了 16。

学习率用分段加余弦退火的组合。初始值 0.01，前 3 个 epoch 做线性预热——这一步很重要，钢材图像输入分辨率高、浅层特征响应剧烈，不预热的话前几百步很容易把 BN 统计量带偏，后面一路都拉不回来。预热之后进入余弦退火，最小学习率设到初始值的 1%。

训练轮数我先跑 300 轮看曲线，实际收敛点大概在 220 到 260 之间。早停我设的是验证集上主要指标的滑动均值 15 轮不涨就停，不要用单轮最优点，噪声太大。

训练过程中我盯的指标不止一个是 mAP。我加了两个自建指标：按尺寸分层的召回（小、中、大分开看）和关键类别的单类漏检率（裂纹这类必须单独看，因为它在总样本里占比小，容易被平均值掩盖）。裂纹的单类漏检率如果超过某个阈值，这次训练成果我是不认的，哪怕总体指标再漂亮。

3.4 轻量化的边界在哪

部署前总有人问能不能再小一点。我的判断标准是：先把耗时预算算清楚，再决定压到什么程度，而不是盲目追求小模型。

真实的教训是这样。我一开始做了一版特别轻的模型，延迟只有 6 毫秒，特别得意。结果集成到现场，一张全分辨率大图要切成几十个切片，全跑一遍总耗时接近 400 毫秒，根本满足不了产线节拍要求。这时候才发现，瓶颈不在单次推理，而在切片数量。

后来我改成了两阶段策略：先用下采样图做一遍快速粗检（分辨率降到原来的一半，切片数减少四分之三），只在粗检报出疑似区域的切片上做全分辨率精检。整体耗时降到一百多毫秒，精度几乎没掉，因为绝大多数切片本来就无缺陷，没必要精检。这个思路我强烈建议所有做大画幅工业检测的人思考，它比换更小的模型有用得多。

4. 成像与产线集成的工程细节

4.1 相机与光源参数怎么算

这一段很多人写方案时会跳过，但它直接决定了后面所有指标的天花板。我把我的算法过程摊开讲。

先定像素精度。设最小需要稳定检出的缺陷特征宽度为 1 mm，经验上要求这个特征在图像上至少跨越 8 到 10 个像素，才能保证检测网络有稳定的响应。取 10 像素，则像素精度 = 1 mm / 10 = 0.1 mm/pixel。

再定横向分辨率。设视场宽度为 1.0 m，则需要的横向像素数 = 1000 mm / 0.1 mm = 10000 像素。市面上单台线阵相机常见的横向像素在 4K 到 16K 之间，选 8K 的话，需要两台拼接覆盖，拼接处要做标定对齐和重叠裁剪。

接着算行频。产线速度取 60 m/min = 1 m/s，像素精度 0.1 mm，则行频 = 1 m/s / 0.0001 m = 10000 行/秒，也就是 10 kHz。这个行频在主流线阵相机的能力范围内，但要注意此时单帧的数据量：如果每帧取 2048 行，单帧就是 10000×2048 像素，约两千万像素，需要 16 位深度的话就是 40 MB 一帧。存储和传输都要提前规划。

像素精度 = 最小缺陷特征宽度 / 最小像素跨度 = 1.0 mm / 10 px = 0.1 mm/px 横向像素数 = 视场宽度 / 像素精度 = 1000 mm / 0.1 mm/px = 10000 px 行频 = 产线速度 / 像素精度 = 1 m/s / 0.0001 m/px = 10000 Hz 单帧数据量 = 10000 × 2048 × 2 Byte ≈ 40 MB

光源方案上，我踩过的坑主要在两个地方。

一是明场和暗场的取舍。明场照明下，划痕类缺陷因为改变了反射方向，往往表现为暗线，对比度很好；但麻点这类凹陷在明场下几乎看不出来。暗场照明确实能把凹陷和边缘凸起照得非常明显，但对平面色差类缺陷又不敏感。我最终的方案是同工位两套光源交替频闪采集，得到明场图和暗场图两路输入，在特征层做融合，而不是简单地拼通道。代价是硬件成本翻倍，收益是麻点类的检出率提升非常显著。

二是反光控制。钢板表面本身就是镜面，光源角度稍微不对就会在图像上打出一片白。我用的是漫射穹顶加偏振片组合，把镜面反射压下去。这里有个细节：偏振片的方向必须和光源匹配，装反了等于没装，我第一次装的时候就犯了这个错，排查了半天。

4.2 推理加速与现场部署

推理加速这块我按优先级排了个序，实际做下来收益最大的排在最前。

第一是图级优化。把模型导出成标准的中间表示后，做算子融合、常量折叠，这一轮通常是零精度损失的，耗时能降两三成。

第二是半精度推理。显卡支持的情况下直接开，速度提升明显。有个坑要注意：半精度下极小的数值容易出现溢出，尤其你的回归头里如果有除法或者指数运算，建议在关键位置强制回到单精度计算，或者对这些环节做数值保护。

第三是批处理与流水线重叠。切片推理天然可以并行，把切片凑成批次送进去，比逐张推效率高得多。同时把图像预处理（缩放、归一化）放到独立线程里，和推理重叠执行，能再省一截。

第四是量化。整数量化收益很大，但精度风险也大。我的做法是只用一部分真实产线数据做校准，校准集要覆盖各种光照条件和各类缺陷，不能只用验证集。校准完之后一定要在完整的验证集上重测一遍，尤其盯住小目标召回，量化对小数精度敏感，小目标的回归损失最容易崩。

工程上还有几件不那么“算法”、但更影响落地的事。

报警联动要设防抖。单帧误检就触发切除，产线会被误动作搞崩。我的做法是要求同一个物理位置在连续 N 帧里被判定为缺陷，或者缺陷面积超过阈值，才触发动作，同时保留人工复检窗口。

NG 图片要落盘但要有策略。全存很快就把磁盘塞满。我存的是裁剪后的缺陷区域加周边余量，连同上下文信息和模型版本号一起落库，方便后面回捞做增量训练。

模型更新要灰度。新模型先只跑影子模式，输出结果不参与控制，只和现役模型对比，差异样本人工确认后再切。这个流程建立起来之后，迭代节奏会稳很多。

5. 常见问题与排查实录

5.1 问题速查表

下面这张表是我这一年多里频繁翻出来的东西，大部分问题都能在里面找到对应方向。

5.2 几条不方便写进文档的经验

说几条我真正吃过亏才明白的事。

不要相信第一次划分的数据集。我最初随机划分训练验证集，指标漂亮得不像话。后来发现同一卷钢带上的相邻帧被分到了两边，等于拿训练数据的近亲去测试。改成按卷、按批次划分之后，指标掉了近二十个点，但那个才是真的。划分单元一定要选“产线物理上独立的单元”，卷、批次、班次都可以，唯独不能是单张图。

类别不平衡不要在采样层面硬怼。我试过对稀缺类做过采样，重复采样到和其他类一样多，结果是模型对这几类过拟合，现场稍微变个样子就崩。更稳的做法是在损失层面做加权，同时适度提高这几类的采样概率（不超过三倍），并且给这几类单独留一份困难样本集做验证。

验证集里必须有一份“脏数据”。干净的验证集只会给你虚假的安全感。我专门留了一份从现场抓的、有水渍、有反光、有轻微失焦的验证子集，每次迭代都在这份数据上单独看指标。这份数据上的表现才更接近现场。

离线指标和现场表现之间有个换算系数。我实测下来，在充分去重的验证集上 mAP 达到某个水平后，现场首月的实际检出率大约要打八折到八五折。这个折损来自数据分布差、成像差异、阈值设定。所以在做验收标准的时候，我会把目标定得比工艺要求高一截，留出这个折损余量。

别忽略负样本的质量。所有人都盯着缺陷样本，其实无缺陷样本如果全是“干净得不像话”的图，模型就会把任何一点纹理波动都判成异常。我特意混入了大量“工艺正常但外观有轻微色差、有轻微辊纹”的负样本，让模型学会区分“正常的不完美”和“真正的缺陷”。这一步做完，误检率下降得非常明显。

阈值不是拍脑袋定的，是按代价算的。漏检一条贯穿裂纹和误报一个麻点，代价完全不同。我的做法是把现场的业务代价折算成权重，在验证集上扫描阈值，找到一个总代价最低的点，而不是简单取 0.5。这个点往往不是 0.5，而且不同类别应该用不同阈值。

6. 我对这套方案后续扩展的几个想法

如果这套东西还要往前走，我个人认为优先级最高的不是换更强的模型，而是把数据闭环搭起来。现场每次人工复检的结果、每次误检和漏检的图，都要能自动带着上下文回流到训练池里。工业场景的数据分布是会漂移的——换了供应商、换了轧辊、换了季节，成像和缺陷形态都会变。没有闭环的系统，上线三个月就开始慢慢退化。

其次是多模态融合。现在只用了可见光，其实产线上还有测厚、测宽、温度这些信号，如果能和视觉结果做交叉验证，很多疑难样本的判定会稳得多。比如某块区域同时出现了温度异常和视觉异常，那这条告警的可信度就完全不同了。

最后是缺陷尺寸的精确量化。检测框只能给个大概，但工艺侧真正关心的是“这条裂纹到底多长、深度大概多少”。这一块需要和实际的测量手段结合做标定，把像素尺寸换算成物理尺寸，并且要处理透视和板面弯曲带来的误差，工作量不小，但价值很大。

我在实际推进这个项目的过程里最深的体会是：模型只占整件事的三成，剩下七成是成像、数据和流程。那些在论文里看起来很关键的结构改进，落到现场往往不如把光源角度调对一度来得实在。所以如果你刚开始做这件事，我的建议是先花时间去现场看两百张真实的图，再决定你的第一个网络长什么样。