1. 项目概述与数据价值分析
X射线底片焊缝缺陷目标检测，这个方向我断断续续做了快三年。最开始是在某制造企业的质检项目里接触到真实底片，后来自己动手搭建过模拟数据集，也帮几个朋友调过模型。今天想认真聊聊我手里这套5232张的焊缝缺陷X射线底片数据集，以及围绕它构建目标检测方案时踩过的那些坑。
先说清楚这套数据解决什么问题。焊接结构件在压力容器、管道、船舶、桥梁里随处可见，焊缝内部的气孔、夹渣、未焊透、裂纹这类缺陷，肉眼根本看不见，必须靠X射线底片来判断。传统做法是评片师傅在观片灯下一张一张看，费眼、费时，而且经验差异直接影响判定结果。把目标检测模型引入之后，可以自动在底片上框出缺陷位置并给出类别和置信度，评片员只需要复核模型标注结果，效率能提升一大截。
这套数据集一共5232张图像，全部来自X射线底片的数字化扫描结果，标注格式是Pascal VOC的XML，类别覆盖了常见焊缝缺陷类型：气孔、夹渣、未焊透、未熔合、裂纹，还有少数底片里包含条形缺陷和圆形缺陷。图像分辨率集中在2000×1500左右，部分老底片翻拍的会低一些，但整体质量足够训练一个可用的检测模型。
适合谁来参考这套数据？有三类人最对口：第一类是刚入行做工业视觉检测的算法工程师，想找一个带真实噪声、带标注的真实工业数据集来练手；第二类是焊接质检相关专业的学生或者研究人员，需要一批标准化的缺陷图像做课题；第三类是在做无损检测数字化改造的传统企业技术团队，想评估AI辅助评片的可行性。
数据集标注细节也要提一下。每个XML文件里都带缺陷类别、边界框坐标、图像尺寸这些字段，可以直接喂给主流检测框架。比起网上那些混着合成图、清晰度过分理想的数据集，这套底片更贴近现场真实情况，包括底片本身的划痕、灰雾、曝光不均这类干扰，训练出来的模型在现场更有参考价值。
我拿到数据之后第一件事不是急着训练，而是花了大概一周时间做统计分析：每张图的目标数量分布、缺陷框大小分布、类别不均衡程度、图像亮度直方图。这个步骤看起来不起眼，但对后续模型选型和训练策略影响非常大。这些分析结果我在后面章节会具体展开。
2. 数据集的构成分析与预处理思路
2.1 标注文件解析与类别分布统计
拿到5232张图像和对应XML标注之后，第一件事就是把标注文件全部解析出来，统计一下整体分布。我用了Python的xml.etree.ElementTree写了一个解析脚本，把所有XML里的object节点读取出来，汇总成一张CSV表。
从统计结果看，气孔和夹渣占比最大，二者合计超过60%。未焊透和未熔合各占15%左右，裂纹最少，不到5%。这个分布跟实际焊接工艺是一致的，气孔和夹渣本来就是最常见的缺陷形态，裂纹通常在应力集中或工艺严重失控时才会大量出现。但模型训练最怕的就是类别极度不均衡，裂纹虽然少，却是安全判定里最不能漏的缺陷，所以后面必须针对这个问题做处理。
类别不均衡的应对方法我后面会详细讲，这里先提一句：我做的第一版YOLOv5模型，裂纹类别的mAP@0.5只有0.31，完全没法用。后来换了思路，用带类别权重的Focal Loss配合数据增强，才把裂纹的mAP拉到0.66。这个教训说明，工业缺陷检测里，稀有缺陷的召回率比整体平均精度更值得关注。
2.2 图像质量问题的系统性排查
X射线底片不是干净的数码照片，来源不同，质量差异很大。我按照几个维度做了系统排查：
- 底片灰雾程度，灰度直方图整体右移，对比度低
- 曝光不均导致图像四周偏亮或偏暗
- 底片划痕、指纹、水渍带来的伪影
- 翻拍角度不正导致的图像倾斜
- 扫描分辨率不同导致的尺寸差异
排查下来发现一个规律：灰雾偏重的图像占总数大概三成，这些图像直接喂给模型，前期收敛速度会明显变慢。解决办法是做了一个预处理流水线，用自适应直方图均衡化（CLAHE）增强对比度，同时用中值滤波压制底片本身的颗粒噪声。这里有个细节值得注意，CLAHE的clip limit参数不能设太大，我试过从1.0调到3.0，结果局部噪声反而被放大了，最后稳定在2.0左右。
# 预处理示例 import cv2 img = cv2.imread("xray_film.jpg", cv2.IMREAD_GRAYSCALE) clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) enhanced = clahe.apply(img) denoised = cv2.medianBlur(enhanced, 3) # 可选：限制对比度再增强一次，保留缺陷边缘细节 final = cv2.addWeighted(img, 0.3, denoised, 0.7, 0)预处理的效果在训练指标上体现得很直接。同一套参数跑YOLOv5s，不预处理的mAP@0.5是0.72，预处理之后到了0.78。别小看这6个点，到了现场验收阶段，差这6个点可能就导致漏检率不达标。
2.3 训练集、验证集、测试集划分的策略
还没开始洗数据之前，就得先把划分策略定掉。直接随机划分有一个隐患：同一张底片的不同缺陷切片可能被拆到训练集和测试集，看似模型在测试集上跑得很好，实际放到现场就露馅了。
我的做法是先按底片来源分组，确保同一批次底片只出现在一个集合里，然后在这个分组基础上按比例划分。划分比例是训练集70%、验证集15%、测试集15%，通过脚本保证每组底片的缺陷类别比例在划分后与原数据集基本一致。这样虽然会让训练集略有缩小，但测试结果更有说服力。
提示：如果你的数据来自多个工厂或者多个时间段，强烈建议保留拍摄条件、设备型号这类元信息。没有这些信息，你很难判断模型过拟合的到底是缺陷特征还是设备差异特征。
3. 目标检测模型选型与训练方案设计
3.1 算法对比：从两阶段到单阶段再到Transformer
焊缝缺陷检测里，目标尺寸普遍偏小，而且缺陷边界有时很模糊，部分缺陷的对比度极低。我先后试了三代主流方案。
两阶段代表模型，比如Faster R-CNN，精度确实扎实，但推理速度对现场实时辅助评片场景偏慢，一张图要跑到80-120ms，堆机器成本太高，很快被我排除。
单阶段模型里，YOLOv5和YOLOv8是主力选手。YOLOv8在YOLOv5基础上引入了C2f模块和Anchor-Free检测头，小目标召回率有明显改善。但需要注意，YOLOv8默认的输入尺寸是640，焊缝底片上的小缺陷在缩放后很容易丢失信息，我最后把输入尺寸调到了1280，显存占用上去了，但小缺陷召回率实打实提升了。
Transformer方向也试过，DETR和Deformable DETR的收敛速度偏慢，数据量不够大的时候效果反而不如CNN方案。这套5232张的数据集虽然不算少，但缺陷类别多、分布不均，Transformer并没有体现出明显优势。
最终选型是YOLOv8m，输入尺寸1280，在单张RTX 3090上推理耗时约45ms，单卡训练约5小时完成150轮迭代。这个配置在精度和效率之间比较均衡。
3.2 数据增强策略的针对性与实验验证
焊缝缺陷检测的数据增强不能照搬通用目标检测的配置。Mosaic、MixUp这类增强对改善小目标效果有帮助，但用过头会导致幻觉框，我实际测试中出现了把底片伪影框选成缺陷的低级错误。
我最终采用的增强组合如下：
- Mosaic增强，开启，概率0.8
- Copy-Paste增强，开启，概率0.5，适用于小目标聚集场景
- 轻度HSV扰动，饱和度变化范围±0.2，不调整色相
- 随机旋转，限制在±10度以内，避免缺陷形态失真
- 随机翻转，水平垂直都开
- MixUp增强，关闭，实测此数据集上收益不明显
Copy-Paste增强对夹渣这一类固有小目标聚合分布的缺陷效果很好。但要注意边界框的完整性，增强时如果裁切导致目标截断，一定要过滤掉面积损失超过20%的目标，否则会引入脏标签。
3.3 模型训练的详细配置与调参记录
训练配置上，我给的是一份能稳定复现的参数组合。
优化器用的是SGD，momentum=0.937，weight_decay=0.0005。初始学习率lr0=0.01，配合余弦退火调度。批次大小batch-size=16，输入尺寸imgsz=1280。训练轮数epochs=150，前3轮用warmup，warmup_epochs=3，warmup_momentum=0.8。
这些参数看起来平平无奇，但有几处值得展开说。
第一，为什么用SGD而不是Adam？Adam收敛快，但最终精度容易在最优值附近震荡，对小缺陷类别的边界框回归不够稳。SGD虽然慢一点，但配合余弦退火，最后的mAP能稳定高出3到5个点。
第二，类别不均衡的处理。我在损失函数里手动调整了类别权重，气孔和夹渣权重0.8，未焊透和未熔合权重1.2，裂纹权重2.0。同时把测试时的置信度阈值对裂纹单独调低到0.15，其他类别保持0.25。这个组合让裂纹召回率从0.53提升到0.78，代价是裂纹的误检有所增加，但现场场景里，召回率优先于精确率，漏检一个裂纹的后果远比多标一个框严重。
训练过程里还有一个指标要盯，就是class loss这一行。YOLOv8的训练日志里，如果发现某个类别的class loss长时间不降或者震荡，大概率是那个类别的样本特征太接近背景，需要回去检查预处理和标注质量，而不是盲目加训练轮数。
训练结束之后，我用测试集做了详细评测。整体mAP@0.5达到0.84，mAP@0.5:0.95达到0.56。分类别来看，气孔和夹渣的mAP@0.5在0.88左右，未焊透和未熔合在0.79左右，裂纹最低，0.66。这个结果说明裂纹仍有提升空间，后面章节我会单独讲针对裂纹的优化尝试。
4. 推理部署中的工程化关键点
4.1 预标注流程与评片员工作流的衔接
模型训练出来只是第一步，真正落地的场景是辅助评片，而不是替代评片。所以工程化上要考虑的不只是模型文件怎么导出，而是整个工作流怎么改造。
我这边最终落地的方式是：评片员把底片放入扫描仪，数字化之后由后端服务自动跑模型推理，生成预标注结果，前端界面用不同颜色框出缺陷类别，评片员逐张确认或修正后入库。这个流程大概能把单张底片的评片时间从3到5分钟压缩到40秒左右，前提是模型预标注的置信度设置合理，不产生太多需要人工修正的框。
部署服务我用的是TensorRT FP16精度，单张图像推理时间压到了大约18ms。这里有个不容易发现的坑，FP16量化之后小缺陷的边界框偶尔会偏移几个像素，如果不做校准，有些本来标注精确的框会有一两像素的偏差。解决办法是保留一版FP32模型专门做边界框回归，FP16模型负责目标分类和初步定位，最终坐标融合两边结果。听起来麻烦，但实际推理耗时增加不到3ms，效果提升明显。
4.2 阈值与输出结果的后处理策略
模型输出的是原始检测框和置信度，直接展示给评片员是不行的，必须处理后端逻辑。
我最后做了这么几层后处理：
第一，置信度阈值分层。常规缺陷用0.25作为最低置信度，凡是低于这个值的框直接丢弃。裂纹单独用0.15，宁可多出框让评片员看到，也不能漏。
第二，NMS的IoU阈值调到0.45。默认0.5在缺陷密集区域容易把相邻的夹渣目标合并成一个框，调低之后对密集小目标的区分更好。
第三，同一位置多个类别的置信度比较，如果两个框的IoU超过0.7且置信度差距小于0.05，则只保留置信度高的一类，降低误报。
这套后处理一加上，评片员反馈说假框数量明显少了，不再需要频繁去删模型多画出来的框。
4.3 性能监控与数据集版本管理的建议
模型上线不代表工作结束了。底片来源会变，焊接工艺会调整，新材料新工艺会带来模型没见过的新缺陷形态。我建议部署之后至少要保留三个层面的监控闭环。
第一，每天记录模型输出的置信度分布直方图，如果发现整体置信度漂移，大概率是来了新分布的数据。
第二，每周抽一部分评片员修正后的结果，对比模型原始输出，统计修正率，修正率一旦超过15%，就触发一次针对性补采和增量训练。
第三，数据版本管理要用DVC这类工具，把图像数据、标注文件和模型权重全部纳入版本管理，每次增量训练之后能清楚知道模型是在哪批数据上学出来的。工业场景最怕的就是数据混乱，没有版本管理的模型迭代基本等于打黑工。
5. 常见问题与避坑经验实录
5.1 数据量不足时如何提升小目标召回率
有人可能会说，5232张还不够，我项目里经常只有几百张可用数据。这种情况下我的经验是三步走。
第一步，用边缘增强前处理把缺陷轮廓突出来。X射线底片上缺陷对比度低，直接用原图训练效果很差，我用Sobel梯度幅度图和CLAHE增强图叠加作为输入，小目标准确率提升明显。
第二步，用图像切片策略。底片分辨率高，缺陷极小，直接把整张图缩放输入模型会丢失缺陷特征。我用滑窗把底片切分成若干个512×512的小块，每块独立推理，再把结果映射回原图坐标。这样切下来单张图会变成十几次推理，但效果是立竿见影的，小缺陷的召回率能从0.4附近直接跳到0.7以上。
第三步，引入多尺度训练。输入尺寸不要只固定在一个值，训练时随机从640、960、1280三个档位里抽，让模型适应不同尺度的缺陷，推理时再固定用1280。
5.2 底片伪影导致误检的排查思路
底片上的伪影是误检的主要来源。指纹、划痕、水渍这些在X射线下都会形成明暗不均的痕迹，模型很容易把它们当成缺陷。
排查这个问题的思路分两步走。第一步统计误检样本，看模型在哪些图像上持续出现假框，聚类分析这些图像的共性特征。我的案例里发现，凡是出现大量平行细线纹理的图像误检率就偏高，后来确认是底片保存不当产生了折痕。
第二步是数据清洗。把误检样本挑出来，检查标注文件里是否真的漏标了这些伪影区域。如果没有，说明这些都是难负样本，单独建一个难负样本目录，在训练时以一定的比例混入背景图，让模型学会区分。
这类问题靠调参基本解决不了，只有从数据和样本层面处理才能根治。
5.3 关于数据来源与版权的提醒
最后说一个容易被忽视的问题。市面上标着“焊缝缺陷数据集”的资源不少，但很多来源不明。非正规渠道翻拍或者二次处理的图，标注不严谨还算小事，更麻烦的是版权归属不明晰，商用存在风险。
我这套5232张的数据集，所有底片均来自授权范围内的历史存档数字化，标注格式、类别定义、图像版权关系都有完整记录。使用任何第三方数据做商用项目之前，务必把数据来源、授权链条和合规性先核实清楚，别等项目上线了才来补救。
注意：不同的焊接标准对缺陷分类定义有差异，比如某些行业标准把未焊透和未熔合归为一类，有些则严格区分。数据标注前先与质检专家确认标注规范，别自己闷头标完再返工，返工成本太高了。
6. 后续优化的方向与实践思考
6.1 稀缺类别增强的进一步探索
裂纹数据不足是这套数据集最明显的短板。单纯增加训练轮数并不会带来质变，我目前正在尝试的路线是围绕原始裂纹样本做局部裁剪，再对裁剪块做旋转、缩放、弹性形变，扩出更多样化的裂纹形态样本。这些扩出来的样本不能直接合成到原图上训练，因为容易导致模型依赖合成痕迹，而是作为独立图像在数据加载阶段动态参与训练。
另一个方向是从特征层面想办法。裂纹本身是线状结构，区别于气孔夹渣的点状结构，可以尝试在特征金字塔网络里增加方向敏感的卷积模块，让模型对细长结构更敏感。这部分工作还在实验中，暂时没有稳定的结论。
6.2 与NDT检测标准的联动
当前模型输出的只是检测框和类别，而现场评片需要的是判定结论，比如缺陷评级、是否合格、返修建议。下一步我计划把缺陷面积占焊缝长度的比例、缺陷间距、单个缺陷最大尺寸这些几何特征提取出来，结合现有检测标准条文进行规则映射，把模型输出直接转换成结构化的质检报告。
这个思路本质上是从检测延伸到判废，价值密度提升了一个量级，但难点在于标准条文和几何特征之间的映射关系需要跟专业评片员一起逐条核对，不能自己拍脑袋定义。
6.3 半监督与主动学习路线
5232张标注数据对训练一个可用的检测模型够了，但要让它在更多工厂、更多工艺条件下稳定服役，还是不够。半监督学习可以把未标注底片也利用起来。我目前在做的一个实验是，用已经训练好的模型给大量未标注底片打伪标签，然后挑出置信度高的加入训练集，置信度低的送去人工标注，形成一轮主动学习闭环。
实验初步结果显示，每加入一轮主动学习，大概2000张新数据，裂纹类别的召回率能提升5到8个百分点。工业落地的场景里，这个方法既能压降标注成本，又能持续吸收新的数据分布，比一次性堆数据更可持续。
我在这些实验里的一个核心体会是，工业目标检测的模型精度不是全部，真正决定项目能否落地的是数据治理、标注质量和推理部署的闭环能力。模型再强，喂进去的数据质量不行，到现场还是会掉链子。把这套流程跑通之后，后续再遇到类似的无损检测图像识别需求，就不会再慌慌张张从零开始了。
