X射线底片焊缝缺陷目标检测数据集，5232张，一步步讲清楚我是怎么建出来的
做工业视觉的人，大概率绕不开这样一个场景：拿到一卷记录着焊缝内部状态的X射线底片，在黑房间里隔着观片灯，瞪大眼睛找焊道上的气孔、夹渣、裂纹、未焊透。这种活儿我干了快六年。后来转型做检测算法，最头疼的反而不是模型本身，而是数据集。市面上传的焊接缺陷数据要么数量太少、要么标注混乱、要么来源不明不敢商用。一个偶然的机会，我和团队拿到了足够的原始底片授权，前后花了三个月，构建了一套包含5232张X射线底片图像、配有目标检测框和缺陷类别标签的数据集。这篇文章不聊虚的，把这套数据集从选片、扫描、预处理、标注、划分，到跑通目标检测模型的全过程，以及中间踩过的坑，一次讲清楚。
这套数据集的核心价值在于三点：第一，底片来源真实，是实际检测现场积累下来的X射线胶片，不是网上随便抓来的模糊截图；第二，标注规则针对焊缝缺陷重新梳理过，尤其是未焊透与未熔合这类容易混淆的类别，制定了统一的判定标准；第三，版权清晰，可以合法用于学术研究甚至工业项目交付。如果你正在做焊接质量相关的图像识别、无损检测类工作，或者刚入门目标检测想找一套工业场景数据做练手，这篇内容会非常有用。我也见过太多人在网上流传的数据集上跑模型，结果训练集和测试集有重复、标注框有明显的错位，白白浪费了时间。下面，从项目思路开始讲。
1. 为什么需要一套自建的焊缝缺陷目标检测数据集
1.1 焊缝缺陷检测的行业现状与痛点
焊接是几乎所有重工业的基础工艺，压力容器、管道、桥梁、船舶钢结构都离不开它。但这些部位的焊缝一旦存在内部缺陷，轻则返工，重则引发安全事故。所以生产环节一定要做无损检测，最传统也最可靠的就是X射线照相法：射线穿过工件，内部缺陷会在底片上留下不同黑度、不同形状的影像。
问题在于，评片这件事极度依赖人的经验和状态。一名熟练的评片员，一小时能看几十张片，但连续看久了注意力会下降。而且不同评片员对同一张底片可能给出不同结论，这类情况在企业内部经常引发扯皮。所以行业内早就想用视觉算法把底片上的缺陷自动框出来。但算法要落地，第一步就是数据。
现实情况是，工业生产环境里的底片，对比度极低，缺陷形态各异，气孔是白色或者黑色的圆点，夹渣可能是一长条，裂纹往往细得像发丝。这样的图像喂给一个通用目标检测模型，效果大概率不理想。更糟的是，很多工厂即使存有底片，也没有做过数字化归档，更谈不上给每个缺陷画框标类别。数据稀缺并不是假话。
1.2 网传数据集的“坑”和版权隐患
网上一搜“焊缝缺陷数据集”，能找到不少，但细看问题很明显。有些是翻拍屏幕的，分辨率低，细节丢得一干二净；有些压缩成了几百KB的JPEG，发丝裂纹根本看不见；还有的把同一张图翻转一下就算新样本，训练验证一划分，模型直接在测试集上“背答案”。
更麻烦的是版权。很多数据集是从企业内部泄露出来的，或者从培训教材、论文插图里截出来的，原始底片归属权不明。你拿来做学术研究可能没人追，但一旦涉及商用交付，甲方做数据溯源，立刻变雷区。标题里写“其他的都是盗版”，说得直白一点，就是这个行业里网传数据长期处于灰色地带，乱拷贝、乱转发、乱标的情况太多，最后受害者反而是认真做项目的开发团队。
所以，与其赌网传数据的质量和来源，不如拿出一套产权清晰、可追溯、可复用的自建数据。这也是这套5232张数据集的出发点。
1.3 为什么是目标检测，而不是单纯分类
焊缝缺陷识别有两类解决方案。一类是图像分类，告诉模型“这张片上有没有缺陷、属于哪类缺陷”；另一类是目标检测，模型不仅要判断有没有缺陷，还要把缺陷具体每处的边界框出来，并指出框内是什么类别。
工业生产里，分类远远不够。一张底片通常几十厘米长，可能包含多道焊缝，一道焊缝上有多个缺陷。如果只做分类，哪怕判断出有气孔，工人还是要重新铺开一整张片子找位置，效率提升有限。目标检测的好处是给出每个缺陷的坐标和类别，系统可以把坐标映射到实物上，直接指导返修位置。所以数据集的最终形态必须是带bbox标注的目标检测格式，而不是单纯打上类别标签。
2. 5232张数据的整体设计思路与核心细节
2.1 底片来源与缺陷类别分布
这套数据的底片来自多个合作方提供的真实射线底片，覆盖结构件焊缝、管道对接焊缝、容器纵环缝等常见场景。当然，所有底片在制作数据集之前都做了脱敏处理，不保留任何生产企业标识和工程编号。
清洗筛选后，一共保留5232张有效图像，每张底片经过裁剪和分割，只保留焊缝区域。因为整张底片很大，直接整体喂给模型不仅浪费算力，而且缺陷占比太小，检测器根本学习不到有效特征。
缺陷类别定为六类：气孔、夹渣、未焊透、未熔合、裂纹、咬边。这六类是工业评片标准里最常见的缺陷形态。除此之外，图像中也保留了部分不包含缺陷的正常焊缝样本，用来降低模型误检率。整体分布大体如下：
| 缺陷类别 | 标注框数量 | 样本占比 | 形态特征 |
|---|---|---|---|
| 气孔 | 3582 | 26% | 圆形或椭圆点状，边缘较清晰 |
| 夹渣 | 4138 | 30% | 不规则块状或条状，黑度不均匀 |
| 未焊透 | 1847 | 13% | 沿焊道中线的连续或断续黑线 |
| 未熔合 | 1430 | 10% | 偏向焊道一侧的细线状黑影 |
| 裂纹 | 976 | 7% | 细线状，可能带分枝，端部尖锐 |
| 咬边 | 1934 | 14% | 靠近焊趾的沟槽状黑线 |
| 总计 | 13907 | 100% | — |
2.2 边界框标注规范
数据标注看着简单，实际最考验规则。脚本文档写了三版，最后还是踩了坑。这里只说几条最关键的：
困难样本不忽略。有些缺陷非常模糊，比如细裂纹，人眼都要凑近了看。很多标注团队的常规做法是放弃这种框，导致模型在真实检测时对低对比度裂纹完全没有召回能力。我们定的规则是只要肉眼在观片灯下能辨识出的缺陷，一律画框，即使边界拿不准也要框一个大致范围。实测下来模型对难例的鲁棒性高了很多。
缺陷连片拆框。夹渣经常是多个小渣点聚集在一起，形成一团密集区域。如果框拣大的，类别没问题但位置不精确；如果每个小点都单独框，密集的时候又分不开。我们约定，缺陷区域之间如果存在肉眼可辨的间隔，就分别画框；如果连成一个整体，就合并成一框，用合框边界覆盖整个缺陷群。这个规则直接影响后续模型在密集小目标上的AP表现。
缺陷类别判定以形状和位置为准，不以颜色为准。X射线底片是黑白的，不同缺陷在底片上呈现的只是黑度差，并没有真正的颜色。比如气孔和夹渣靠形状区分，未焊透和未熔合靠位置区分。标注规则里写得很细：沿焊道中心线分布的是未焊透，偏向一侧且呈线状的是未熔合。数据标注前所有人统一培训，边标边抽查一致性。
2.3 数据划分策略
目标检测最容易翻车的一个环节就是数据划分。如果直接从所有图片里随机抽10%当验证集，很可能同一道焊缝的相邻帧被拆到训练集和验证集两边，模型其实已经在训练时见过位置几乎一样的框，验证结果就会虚高，上线后直接打回原形。
我当时的处理方式是将底片按焊缝段分组。每条焊缝段包含若干张切图，以整条焊缝段为单位划分数据，保证训练集和验证集、测试集绝不含同源纠缠。整体比例控制在8比1比1，也就是约4180张训练、520张验证、520张测试。划分完成后再统计各类别的框数量，确保验证集和测试集里每一类缺陷都有足够的样本，而不是全随机碰运气。
3. 从X射线底片到可训练数据集的完整流程
3.1 底片数字化与格式处理
原始X射线底片是利用银盐感光材料记录的模拟信号，想给算法用，第一步就是数字化。用高分辨率扫描仪按600dpi扫描，单张全幅底片大约能产出6000万像素左右的图像，文件格式取无损TIFF，保持16bit位深。
这里有个细节要刻意保留原始信息。很多人看到X射线底片灰蒙蒙的，觉得直接做对比度拉伸就好。但16bit转8bit的过程中如果暴力线性拉伸，暗部细节会被大量压缩，细小裂纹就消失了。我当时做了一次实验：同一张底片，分别线性拉伸和自适应直方图均衡化后各训练一个模型，结果自适应拉伸的裂纹AP高了近9个点。所以数字化的原则是宁可低对比度，也不能丢失原始灰度细节。
16bit的TIFF直接喂给目标检测模型并不方便，几乎所有检测框架默认读8bit三通道PNG。我的做法是先用固定窗宽窗位把16bit映射到8bit，窗口参数参照工业评片常用的黑度范围设定，再保存成PNG。这样做的好处是，不影响模型效果的前提下，把数据体积压到可接受的级别，而且后续加解码、增广都顺手。
3.2 图像预处理与缺陷增强
预处理阶段不能过度。我见过有人把底片做了高反差锐化加边缘提取，结果缺陷边缘确实清楚了，但阴影区域出现了大量伪影，模型在训练时学到了错误的纹理。这块我的经验分两步。
常规预处理只做两项：统一尺寸、统一灰度范围。切图尺寸定在1024到1536像素之间。因为原始底片是长条形，完全等比缩放会拉太长，模型在训练时如果直接把整条放缩到固定尺寸，缺陷细节损失严重。我的方案是先横向切块，把长条形分成多张1024宽度的重叠切片，分辨率损失控制到几乎可以忽略。
训练增强方面，通用旋转翻转自然要做，但mosaic增强要小心。YOLO系列常用的mosaic会把四张小图拼在一张，小缺陷会被缩小，气孔这类几个像素的目标很容易拼完就没了。我实测mosaic开0.5而不是默认的1.0，气孔AP反而明显提升。对这种缺陷密集型小目标检测场景，过度mosaic并不是福音。
缺陷增强还有一个更有效的办法：把标注好的缺陷框前景提取出来，用图像变换加融合的方式粘贴到没有缺陷的焊道上。一个缺陷框复制10次，生成几百张带缺陷的新样本，专门补裂纹和未熔合这两类数量偏少的类别。这种方法比单纯调类别权重稳定得多，因为模型真正见过更多形态相似但不雷同的缺陷样本。
3.3 标注工具与人工审核
X射线底片有特殊行业属性，标注工具最好是支持灰度大图、可缩放、可调对比度的。我用过几款，最后固定了X-AnyLabeling做主力标注工具，一来它对高分辨率大图支持得比较流畅，二来支持的导出格式多，YOLO、COCO、VOC都可以。当然工具本身不是关键，适用就好。
标注流程是三轮的。第一轮由标注员逐张标完缺陷框，第二轮换人复标同一张图，比对差异，第三轮由有评片经验的老工程师抽检。三轮下来，抽查中发现的不一致框超过500处，包括类别判定分歧和部分缺陷漏标。这些最终都通过组内评讨论定后统一修正。花在标注入库上的人力远远超过算法训练这一步，但这笔时间投资绝对值得。任何网上找的标好数据，都比不上你亲手一个框一个框复查过一轮的数据稳当。
4. 目标检测模型训练与调参实录
4.1 基线模型选型对比
数据集建好，下一步自然是跑模型验证数据可用性。我在同数据、同参数下做了几组对比测试，包括YOLOv8s、YOLOv8m、RT-DETR-l和传统Faster R-CNN，这里只列出有代表性的结果：
| 模型 | 输入尺寸 | mAP@0.5 | mAP@0.5:0.95 | 单张推理耗时（毫秒） |
|---|---|---|---|---|
| YOLOv8s | 640 | 78.6% | 51.2% | 8.1 |
| YOLOv8m | 640 | 81.3% | 55.6% | 15.4 |
| YOLOv8m | 1536 | 83.2% | 59.8% | 52.3 |
| RT-DETR-l | 640 | 80.5% | 53.9% | 28.6 |
| RT-DETR-l | 1536 | 82.7% | 58.4% | 96.8 |
综合效果和推理速度，YOLOv8m在1536输入下表现最好，但是推理速度吃不住。考虑到工业现场实时性需求，最终我建议以YOLOv8m、640输入为线上基线，配合动态切块策略弥补分辨率损失。这个方案在设备上稳定跑到15毫秒左右，完全够用。
4.2 关键训练参数与踩坑记录
几个具体参数直接给出来参考。
输入尺寸：如果显存允许，尽量用1280或1536训练，缺陷在640输入下太小，气孔只有十几个像素，特征提取难度很大。1660Super这种8G卡，用YOLOv8s配batch=8勉强能跑1280，用YOLOv8m则建议至少16G显存。我实际对比过，YOLOv8m从640升到1536输入，整体mAP提高了1.9个点，主要收益集中在气孔和小夹渣类。
增强参数：默认augment参数中hsv_h、hsv_s等颜色抖动对X射线灰度图基本没意义，我关掉了颜色域增强，把random_perspective保持0.5。Mosaic按前面说的调到0.5。翻转方面，水平翻转和垂直翻转都对焊缝缺陷成立，都开。
学习率与批次：初始lr 0.01，cosine lr，epoch设为200。因为数据量不大，建议结合早停机制，以验证集mAP为准，连续30个epoch没有提升就停止，我最后实际跑在144个epoch就收敛了。
4.3 模型评估与失败案例分析
数据好不好，模型会给最诚实的反馈。在测试集上，六个类别的AP差异很明显：
- 气孔AP@0.5达到89.1%，这是数量和形态一致性都最好的类别。
- 夹渣AP@0.5为84.7%，形态多变但样本量大，表现尚可。
- 未焊透AP@0.5为82.3%，但未熔合只有72.6%，这两类确实非常容易混淆，哪怕人也经常分不清，模型在边界处的置信度很低。
- 裂纹AP@0.5最低，只有68.9%，细线状遮挡少、对比度低，是六类里最难的。
看失败案例我发现了一个规律：误检常常集中在夹渣和未熔合之间。后来回查标注记录，发现个别底片在早期的标注里本身就把这两类标混了，模型学到了混淆的特征。这提醒我数据集不是标完就万事大吉，必须在模型badcase分析后反向修正标注。我汇总了数百个误检样本，挑出其中近60个确认是标注问题，逐一重标后重新训练，整体mAP又提了1.3个点。这就是自建数据集相对网传数据的最大优势：出现错误你有底稿可查，有原始底片可溯源。
5. 数据集落地使用中的常见问题与避坑指南
5.1 版权与合规使用
关于“其他的都是盗版”这句，我是认真的。工业数据集直接从生产现场流出是很有问题的，不经授权拿来做商用项目，一旦被原始所有方追究，轻则项目下架，重则赔偿。就算用于论文，复制传播来源不明的数据也可能引发学术诚信质疑。
所以构建数据集之前，先把授权链条理清楚。原始底片的提供方签署书面授权文件，允许做脱敏和技术加工，允许发布标注后的训练子集，商用用途单独约定。数字化和标注后的数据，以合规开源协议发布，用户在协议范围内自由使用。这套流程虽然繁琐，但能保证你几个月的心血不会因为版权纠纷白费。给你的建议就一条：数据来源必须能经得起追溯，没有授权的东西宁可不做。
5.2 标注噪声对模型的影响与修正
标注噪声在自建数据里几乎不可避免，关键是建立发现和修正机制。我常用的一个办法是“置信度直方图法”。训练完成后，把所有验证集预测框按置信度从高到低排序，模型高置信度但预测错的框，极大概率对应的标注框有误。人工抽查Top误检，比从头复查一遍全部数据效率高得多。
还有一种情况是漏标。用训练好的模型在无缺陷样本上做推理，若模型输出了高置信度框，而你确认该样本确实没有缺陷，那就是模型虚警；但如果你仔细看发现确实有缺陷，那就是当时的漏标。我把这个流程称为“模型辅助数据回流”，实质是让模型给标注团队当第一轮初筛员。三周时间，通过这个方法额外检出了150多个漏标缺陷框，裂纹类最多。毕竟人眼长时间盯灰度图一定会疲劳，机器不会。
5.3 类别不平衡的终局解决方案
六类缺陷数量天然不平衡，气孔和夹渣加起来占了一半以上，裂纹只有不到一千框。只靠数据增强已经不够时，我加了两个手段。
第一是类别加权损失。YOLO系列的自定义训练里可以按类别调整loss权重，把少数类权重提到1.3到1.5，让模型更重视裂纹和未熔合的错误。第二是构建平衡子集做增量训练。把裂纹类和未熔合类单独抽出来，配合预处理阶段做的合成样本，各做成一个小训练集，在总模型基础上只fine-tune少量epoch，相当于针对错题专项补课。
这两板斧用完之后，裂纹的AP从68.9%升到了75.4%，未熔合从72.6%升到77.2%。虽然还达不到气孔的精度，但已经具备上线价值。
6. 数据集后续还能怎么扩展
6.1 半监督与合成数据的想象空间
目前数据只有5232张，边际效益递减明显。我目前正在做的扩展方向有三个。
半监督伪标签。让一个已经调教得不错的教师模型去预测大量未标注底片，高置信度的bbox作为伪标签回填，再用来训练学生模型，反复迭代。底片获取渠道是现成的，只是标注贵，这个方案能把可用数据量翻倍还不增加标注成本。
合成数据生成。用扩散模型在真实缺陷框约束下，生成更多落在焊道位置上的合成缺陷图像。难点在于不能让模型产生伪造缺陷，必须严格贴合真实物理形态。目前我看到的行业实验已经证明，适量参与训练后，合成数据对裂纹这种极少数类别的AP提升非常明显。
跨域迁移。同一套标注规则，如果配合不同厂家的扫描仪、不同暗室条件、不同牌号胶片，模型在换厂后的泛化能力会更强。后续我准备对同一底片做不同扫描参数的配对数据，模拟曝光波动的分布，增强模型对设备差异的抗性。
6.2 给后来者的三条建议
如果你也准备自建一套缺陷检测数据，我的感受是几句话。
先写标注规则再动手标。没有明确规则就开标，会得到大量不可控的标注结果，返工成本往往比多花一周写规则贵得多。
把数据划分当成项目里程碑来对待。不是最后顺手一分的环节，而应该在数据入库前就设计好，避免同源数据泄漏造成模型虚高。
版权问题永远放在最前面。技术问题再难都有解，合规问题一个就能让整个项目归零。宁可慢一点，也不要去碰来源不明的“盗版”数据——这句话既是经验，也是教训。
最后分享一个实际操作里的细节。整套数据建完后，我一直保留着原始未增强版本和增强后版本两套数据，分别归档。模型效果出问题时，可以随时回溯对比，判断是训练策略问题还是数据问题。这个习惯帮我少走了很多弯路，也推荐给你。
