1. 为什么必须用深度学习方法做焊接缺陷检测——传统算法的边界在这里
焊接缺陷检测系统，听起来像是一个很传统的工业质检话题，但真正用Python把深度学习方案完整落地时，你会发现这里面有大量容易被忽略的细节。我最近做一个模拟项目X，任务是针对射线检测图像中的气孔、夹渣、未焊透、裂纹等缺陷做自动定位与分类，要求不仅能画框，还要能统计缺陷数量与尺寸，最后为等级判定提供依据。项目整体采用基于深度学习的方案，目前已经跑通一套可复现的Python实现。如果你正在做类似的课程设计、实验室原型，或者打算在企业里搭一套焊缝质检算法验证环境，这篇文章应该能省掉不少弯路。
先摆结论：焊缝X光图像里的缺陷检测，深度学习能做的事远比传统机器视觉要多，但也不是把模型丢进去就能出结果。数据口径、标注尺度、模型选型、后处理逻辑，每一步都有坑。如果不提前想清楚这些东西，最后得到的很可能是一个“论文里很漂亮、现场用不了”的Demo。
1.1 焊接缺陷检测到底在检什么
射线探伤（RT）得到的数字化图像中，焊缝内部的缺陷会以不同的灰度形态呈现。气孔在图像里通常是圆形或近圆形的暗斑，中心灰度变化明显，直径往往很小。夹渣是不规则块状，亮度不均匀，有些比背景暗、有些比背景亮。未焊透和未熔合一般表现为沿坡口边界分布的连续线状暗条，比较粗。裂纹是最麻烦的一类，它细长、低对比度、端部尖锐，经常藏在焊缝余高的灰度起伏里，肉眼不仔细看都容易漏掉，更别说让传统阈值算法自动去找。
这些缺陷对结构安全的影响完全不同。裂纹和未焊透往往必须返工，气孔如果是个别的、尺寸不超标，可能还在允许范围内，但成串气孔也要处理。工业上通常依据检测标准来评级，所以检测系统最终要输出的不只是“有没有缺陷”，而是缺陷的位置、类型、数量、尺寸，以及是否越过标准线。这个目标直接决定了后面的任务设计：单纯画个框不够，还要能测面积、测长度、统计密集度。
1.2 传统图像处理方案的局限在哪
早些年做这类检测，最常见的套路是阈值分割加形态学处理。先做固定阈值或者自适应阈值，把明显的暗区提取出来，再用开运算、闭运算把碎噪声滤掉，接着根据面积、圆度、长宽比、与坡口边缘的距离这些手工规则，判断每个区域是气孔、夹渣还是伪缺陷。
这套做法在实验室里很顺，放到生产现场就容易翻车。焊缝余高的灰度变化、底片本身的颗粒噪声、机械磨痕、甚至工件表面轻微锈迹，都可能被当成缺陷。为了压制误检，就得不停加规则：面积多大的不要、圆度不好不要、离坡口太远的不要。问题是规则本来就是基于有限样本拍脑袋定的，换一种焊材、换一条产线、调整一下电压电流，灰度特征变了，老规则就要重新标定。我见过一个项目组花了大量时间在写这种特征规则，最后换了个曝光参数，整套逻辑基本失效。
深度学习不太一样。它不需要人工预定义“像缺陷”的显式特征，而是通过大量标注样本，自己学习“看起来像气孔”“看起来像裂纹”这类语义表达。输入图像、输出缺陷区域，中间的特征提取过程是自动学出来的。对低对比度、形态多变、背景干扰强的焊缝X光图来说，这种方案比手工规则鲁棒得多。
1.3 深度学习方案的整体流程
基于深度学习的焊接缺陷检测，整个流程可以拆成五步。第一步是图像采集与数字化，典型来源是DR设备直接输出数字图像，或者把传统胶片底片扫描成数字图。第二步是预处理，包括灰度归一化、对比度增强、尺寸统一，必要时还要做ROI裁剪，把焊缝区域单独切出来。第三步是模型推理，这也是核心，常见做法是目标检测模型或者语义分割模型。第四步是后处理，对模型输出做阈值化、连通域分析、面积筛选，得到最终缺陷列表。第五步是数据组织与输出，把结果写进数据库、生成可视化标注图、推送告警信号给产线执行机构。
整个链路里，模型结构是最容易被讨论的部分，但真正决定系统能不能用的，往往是前后两端：数据是否覆盖工艺变化、后处理是否能输出业务需要的信息。下面我按这个顺序，把每个环节的具体做法和踩坑记录都展开。
2. 数据是第一个真正的门槛：缺陷数据的收集、标注与预处理
很多人以为项目核心是模型，实际做下来才会发现，数据才是最先卡住你的地方。焊接X光图像不像自然图像那么好找，开源数据本来就少，标注口径也乱，直接用很容易得出自欺欺人的结果。
2.1 数据来源：公开数据、现场数据与仿真数据
网上能下载到的焊接射线检测数据集，一般几百张到几千张，主要覆盖气孔、夹渣、裂纹这几个常见类别，未焊透和未熔合有时候标得不够细。这类公开数据可以拿来验证算法思路，证明“这条路能跑通”，但我个人不建议把它直接当作品验收指标。原因很简单：公开数据的成像条件、工件材质、工艺参数你没得选，模型在里面学到的灰度特征，未必适配你真实要检测的生产件。
最能说明问题的是自建数据。准备一批有缺陷和没缺陷的焊接试板，用DR设备拍片，再组织人员标注。成本主要花在焊样制作和设备占用上，但数据越贴近真实工艺，模型落地越顺利。项目早期如果拿不到大量现场数据，我建议至少先收集几十块不同工艺、不同板厚、不同曝光参数的小规模样本，确定检测任务可解，再考虑规模化采集。
仿真与增强是一条性价比很高的补充路径。把已有的真实缺陷图做旋转、裁剪、缩放、亮度扰动、叠加噪声，可以生成大量形态相似但不完全相同的样本。需要记住一点，增强只能模拟“同一类缺陷在不同拍摄条件下的样子”，不能创造真实世界里没有的缺陷结构。像裂纹这种细长低对比目标，增强时会牵涉到尺度和方向，操作起来要比气孔更谨慎。
2.2 标注标准：缺陷类型决定了任务粒度
焊接缺陷标注的颗粒度，直接决定了任务形式。如果只想判断“这一块有没有问题”，用矩形框标注就够了，目标检测模型训练起来快，标注成本也低。如果要做等级判定、面积统计、长度测量，矩形框是不够的，因为框里包含大量正常纹理，无法准确计算缺陷的物理尺寸。这时应该用像素级掩膜（Mask）标注，让模型预测每个像素是否属于缺陷。
不同缺陷的标注策略可以参考下面这张表：
| 缺陷类型 | 典型外观 | 标注建议 |
|---|---|---|
| 气孔 | 圆形或近圆形暗斑，尺寸小 | 可用分割掩膜，便于统计直径和数量 |
| 夹渣 | 不规则块状，灰度不确定 | 分割掩膜，重点统计面积与密集度 |
| 未焊透 | 沿焊缝根部的连续线状暗条 | 分割掩膜，关注连续性和长度 |
| 裂纹 | 细长、低对比、端部尖锐 | 分割掩膜，小目标需放大标注 |
实操时建议第一轮先用矩形框做快速验证，确定整体精度趋势没问题，再补充像素级标注做定版系统。因为像素级标注的成本是矩形框的好几倍，等到算法都跑不通的时候再投入，容易浪费标注资源。标注工作至少要两个人独立标一遍，再合并结果，统一边界规则。特别是灰度介于背景和缺陷之间的边缘区域，人和人的判断差异很大，不定好规则，模型学出来的边界就很飘。
2.3 预处理、增强与类不平衡处理
X光图像作为输入，一般先做灰度归一化，把像素范围缩放到0到1之间。要不要做CLAHE局部对比度增强，我的经验是“对大多数焊缝图像有正收益”，因为缺陷区域和背景灰度太接近，把局部对比度拉开，模型会更容易收敛。但增强强度要控制好，太强会突出融合噪声，反而增加误检。
增强策略不能无脑套自然图像那套。焊接X光图的翻转方向要看着办，如果产线工艺方向固定，水平翻转通常安全，垂直翻转要看你拍的是横焊还是立焊，焊道方向变了，缺陷形态的空间关系也会变。灰度扰动和对比度扰动是性价比最高的增强方式，一张原图可以模拟多种曝光条件。
类不平衡是焊接缺陷分割最大的敌人。一张512乘512的图上，背景区域经常占99%以上，如果只是普通二分类交叉熵损失，模型很容易学会“全部预测为背景”，因为这样损失已经很小。应对办法有三个方向：损失函数层面用加权交叉熵、Dice Loss或Focal Loss；数据层面把小缺陷区域裁剪出来放大，作为额外训练样本；评估层面单独统计缺陷像素上的召回率，不要被总体精度迷惑。
2.4 到底需要多少数据
这个问题没有标准答案，我只能给一个比较实的参考区间。几百张清晰标注图就能把模型训起来，足够写论文、做课程设计展示。但要达到产线可用的稳定检测，至少需要数千张图像，而且必须覆盖不同材质、不同板厚、不同曝光参数、不同工艺状态。我在模拟项目里做过对比：只用公开数据训练，检测率到一定程度就上不去了；每加入一批新工艺数据，召回率都会有可见的提升。数据量不是线性的，但“现场数据比公开数据重要”这一点始终成立。
3. 检测模型选型：目标检测与分割两条路线怎么选
数据问题理清楚之后，模型选型反而没那么纠结。当前主流路线就是两条：目标检测和语义分割。两者解决的问题有重叠，但输出能力和适用场景不同，选错了后面会很别扭。
3.1 目标检测路线：实时选YOLO，精度选两阶段
目标检测路线把每个缺陷当成一个目标，模型输出“缺陷类别+置信度+矩形框坐标”。单阶段模型以YOLO系列为代表，推理速度快，工程生态完善，适合在线场景，配合数据增强和小目标专门策略，能在焊缝X光图上取得不错效果。两阶段模型Faster R-CNN这类精度上限高一些，但推理速度吃亏，对产线实时检测不太友好。
用目标检测做焊缝缺陷时，最大的问题是小目标。气孔这一类缺陷只有几个像素大小，深度网络下采样几轮之后，特征图上的信息几乎丢光。单纯堆基础检测头是不够的，需要特征金字塔这类多尺度融合结构，并且训练时对包含小缺陷的区域做裁剪放大。另外，成串气孔落在同一个矩形框里时，框内同时包含多个独立缺陷，这对后续按点数评级非常不利。如果你知道业务上需要“数缺陷个数”，用目标检测框就得专门处理聚团缺陷的拆分问题。
3.2 分割路线：统计面积和形态时才不可替代
语义分割路线的代表是U-Net及其各种变体，模型给每个像素输出一个缺陷概率，再做阈值化得到掩膜。分割方案的优势在于：细长裂纹不会因为矩形框而引入大量背景噪声，召回更准确；每个缺陷的像素面积、等效直径、长宽比、密集度都可以从掩膜上直接统计出来；如果检测标准对缺陷数量和大小有明确的等级限制，分割输出几乎是必须的。
代价是标注成本高，训练和推理速度比轻量目标检测模型要慢一些。但焊缝场景通常没有自动驾驶那么极端，单张图推理就算慢个几百毫秒，很多工位的节拍也能接受。后处理方面，分割输出做连通域分析之后，每个连通域的位置、面积、包围盒全部能拿到，其实一点也不麻烦。
| 路线 | 输出形式 | 标注成本 | 推理速度 | 主要适用场景 |
|---|---|---|---|---|
| 目标检测 | 类别+矩形框 | 低 | 高 | 实时筛查、批量判片、缺陷定位 |
| 语义分割 | 逐像素掩膜 | 高 | 中 | 缺陷面积统计、长度测量、等级判定 |
3.3 我的选型思路与路线切换过程
我在模拟项目初期先用了目标检测方案做快速验证，因为标注成框便宜，可以先把算法可行性摸清楚。跑下来发现细长裂纹的召回是最弱的，矩形框本身对“细长低对比”目标很吃亏，而且后续统计面积时还要从框里把背景像素剥离出来，很别扭。后来切换到分割路线，用U-Net类模型直接预测像素掩膜，再通过连通域分析得到每个缺陷的坐标、面积和包围盒，整体流程反而更顺。
所以我的建议是：如果业务最终要的是“有没有缺陷、在哪个位置”，目标检测足够；如果业务要的是“缺陷面积多大、长度多长、数量多少、要不要返修”，直接上分割，不要绕路。如果实在两者都想要，也以分割为主线，分割结果里的连通域信息完全够你生成矩形框，不用单独再训一个检测模型。
4. Python核心实现：从数据集封装到训练评估全流程
选型确定之后，就到了动手写代码的阶段。下面我给出一个精简但完整的Python实现路径，覆盖数据加载、模型定义、损失函数、训练循环、推理后处理。代码以PyTorch、OpenCV、NumPy为主要依赖，突出核心逻辑，直接改路径就能跑通原型。
4.1 工程目录与依赖
项目结构建议按下面这样组织，简单清晰，后期扩展也方便：
weld_defect/ ├─ data/ │ ├─ images/ │ └─ masks/ ├─ models/ │ └─ unet_like.py ├─ utils/ │ ├─ dataset.py │ ├─ loss.py │ └─ postprocess.py ├─ train.py └─ infer.py依赖方面，需要安装PyTorch、OpenCV、NumPy、tqdm。数据加载用OpenCV读图，训练用PyTorch训练，后处理用OpenCV的连通域函数，这套组合在焊接图像场景下非常顺手。
4.2 数据加载与标签处理
数据加载很容易踩坑的点是掩膜读取方式。分割掩膜必须用灰度图读取，然后在代码里转成0和1的二值标签。resize的时候，输入图像可以使用双线性插值，掩膜必须使用最近邻插值，否则标签边界会因为插值产生假像素，导致模型学出模糊边界。
import cv2 import numpy as np import torch from torch.utils.data import Dataset from pathlib import Path class WeldDefectDataset(Dataset): def __init__(self, img_dir, mask_dir, size=512, augment=False): self.img_dir = Path(img_dir) self.mask_dir = Path(mask_dir) self.size = size self.augment = augment self.names = [p.stem for p in self.img_dir.glob("*.png")] def __len__(self): return len(self.names) def __getitem__(self, idx): name = self.names[idx] img = cv2.imread(str(self.img_dir / f"{name}.png"), cv2.IMREAD_GRAYSCALE) mask = cv2.imread(str(self.mask_dir / f"{name}.png"), cv2.IMREAD_GRAYSCALE) img = cv2.resize(img, (self.size, self.size)) mask = cv2.resize(mask, (self.size, self.size), interpolation=cv2.INTER_NEAREST) img = img.astype(np.float32) / 255.0 img = np.expand_dims(img, axis=0) mask = (mask > 127).astype(np.float32) if self.augment: if np.random.rand() > 0.5: img = np.flip(img, axis=2).copy() mask = np.flip(mask, axis=1).copy() img *= 1.0 + 0.1 * np.random.randn() return torch.from_numpy(img).float(), torch.from_numpy(mask).float()注意增强里翻转对象是二维的灰度图，通道维度上不做处理，因为输入只有单通道。
4.3 简化分割模型与损失函数
一个完整的U-Net对博客来说太长，我保留最核心的编码器、解码器、跳跃连接结构，做成一个简化版，足够说明原理。完整U-Net只是把这个结构加深、加宽，每个阶段多加一层卷积而已。
import torch import torch.nn as nn class ConvBlock(nn.Module): def __init__(self, in_c, out_c): super().__init__() self.block = nn.Sequential( nn.Conv2d(in_c, out_c, kernel_size=3, padding=1), nn.BatchNorm2d(out_c), nn.ReLU(inplace=True), nn.Conv2d(out_c, out_c, kernel_size=3, padding=1), nn.BatchNorm2d(out_c), nn.ReLU(inplace=True), ) def forward(self, x): return self.block(x) class UNetSimple(nn.Module): def __init__(self, in_ch=1, out_ch=1, base=32): super().__init__() self.enc1 = ConvBlock(in_ch, base) self.pool = nn.MaxPool2d(2) self.enc2 = ConvBlock(base, base * 2) self.enc3 = ConvBlock(base * 2, base * 4) self.up1 = nn.ConvTranspose2d(base * 4, base * 2, kernel_size=2, stride=2) self.dec1 = ConvBlock(base * 4, base * 2) self.up2 = nn.ConvTranspose2d(base * 2, base, kernel_size=2, stride=2) self.dec2 = ConvBlock(base * 2, base) self.out = nn.Conv2d(base, out_ch, kernel_size=1) def forward(self, x): e1 = self.enc1(x) e2 = self.enc2(self.pool(e1)) e3 = self.enc3(self.pool(e2)) d1 = torch.cat([self.up1(e3), e2], dim=1) d1 = self.dec1(d1) d2 = torch.cat([self.up2(d1), e1], dim=1) d2 = self.dec2(d2) return torch.sigmoid(self.out(d2))损失函数直接用二元交叉熵加Dice Loss的组合，这是分割场景里非常稳定的搭配。Dice Loss专门处理缺陷小、背景大的不平衡问题。
class BCEDiceLoss(nn.Module): def __init__(self): super().__init__() def forward(self, pred, mask): bce = nn.functional.binary_cross_entropy(pred, mask) smooth = 1e-6 inter = (pred * mask).sum() dice = 1 - (2 * inter + smooth) / (pred.sum() + mask.sum() + smooth) return bce + dice4.4 训练循环与验证
训练循环本身不复杂，重点是验证阶段要保存最优模型。焊接缺陷这种极不平衡任务，训练损失下降很快，但验证Dice涨得很慢，不要看前几个epoch损失低就高兴太早。
from torch.utils.data import DataLoader from tqdm import tqdm import torch.optim as optim dataset = WeldDefectDataset("data/images", "data/masks", size=512, augment=True) train_loader = DataLoader(dataset, batch_size=8, shuffle=True, num_workers=2) model = UNetSimple(in_ch=1, out_ch=1, base=32) device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) optimizer = optim.AdamW(model.parameters(), lr=1e-4, weight_decay=1e-5) scheduler = optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=50) loss_fn = BCEDiceLoss() for epoch in range(50): model.train() total_loss = 0.0 for img, mask in tqdm(train_loader): img, mask = img.to(device), mask.to(device) pred = model(img) loss = loss_fn(pred, mask) optimizer.zero_grad() loss.backward() optimizer.step() total_loss += loss.item() scheduler.step() avg_loss = total_loss / len(train_loader) print(f"Epoch {epoch + 1}/50, Loss: {avg_loss:.4f}")训练完成后，单独验证每个类别的Dice和召回率，不能只看平均数值。
4.5 推理、连通域分析与结果输出
推理阶段，关键是后处理。模型输出的是概率图，需要阈值化，然后做连通域分析，把每个缺陷当成一个独立对象处理。
def inference(model, img_path, size=512, threshold=0.5, min_area=100): model.eval() img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE) original_size = img.shape[:2] img_resized = cv2.resize(img, (size, size)).astype(np.float32) / 255.0 img_tensor = torch.from_numpy(np.expand_dims(img_resized, axis=0)).unsqueeze(0).float() with torch.no_grad(): pred = model(img_tensor.to(device)) pred = pred.cpu().numpy()[0, 0] pred = cv2.resize(pred, original_size[::-1], interpolation=cv2.INTER_LINEAR) binary = (pred > threshold).astype(np.uint8) num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(binary, connectivity=8) result_boxes = [] for i in range(1, num_labels): area = stats[i, cv2.CC_STAT_AREA] if area < min_area: continue x, y, w, h = stats[i, cv2.CC_STAT_LEFT], stats[i, cv2.CC_STAT_TOP], stats[i, cv2.CC_STAT_WIDTH], stats[i, cv2.CC_STAT_HEIGHT] result_boxes.append({"bbox": [x, y, w, h], "area_pixel": area, "center": centroids[i]}) return result_boxes这段代码把预测概率图放大回原图尺寸，再做阈值化，保证输出标注和原图对齐。如果现场图非常大，建议先把焊缝ROI区域切出来，只在ROI上做推理，既能提速又能减少背景干扰。
5. 训练与调参中的真实踩坑记录
代码跑通只是第一步，真正折磨人的是训练和调参阶段的那些奇怪现象。下面这些坑是我在模拟项目里真实撞上的，每个都值得提前排雷。
5.1 小目标气孔漏检
第一次训练完，看验证集整体Dice还挺好看，但把预测可视化出来，发现漏掉的基本全是小气孔。这类缺陷只有十几个像素，几次下采样之后，特征贡献几乎消失。
解决思路要分两层。第一层是模型结构，使用特征金字塔式的多尺度融合，让浅层的高分辨率特征参与最终预测。第二层是训练数据，把小缺陷区域裁剪出来放大，单独作为一批样本加入训练。我在项目中做了个小工具，跑一个简单的Blob检测找出小缺陷的位置，然后把这些位置周围的128乘128窗口额外保存为增强样本，下一次训练时漏检明显减少。
5.2 背景占比过高导致的“全不检”
如果训练日志里损失还在下降，但测试集上预测掩膜全是黑色，那多半是模型学会了“全输出背景”。原因前面说过，缺陷像素占比太低，普通交叉熵损失被背景主导。
我的排查顺序是：先统计训练集中缺陷像素的平均占比，如果低于1%，直接把损失函数换成BCE加Dice；然后看阳性样本上的召回率，而不是只看全局Dice。换完损失函数后，模型才真正开始学习缺陷区域的特征。Focal Loss也可以，但参数要调，我就是先从Dice Loss入手，旁边保一个BCE项稳定训练，效果已经够用。
5.3 只看准确率会被骗
在焊接缺陷这种极度不平衡的场景里，准确率是一个毫无意义的指标。一张正常焊缝图，缺陷像素为0，模型只要输出全背景，准确率就是99%往上。但如果产线每天拍几千张图，哪怕有1%的正常图被误检成缺陷，每天的误报量也很夸张，现场人员很快就不信这个系统了。
对应的做法是每次迭代都记录三个数：缺陷召回率、背景误检率、以及按连通域统计后的“块级”误报数量。只在像素级别评估还不够，因为几个噪点连成的小区域，在像素级可能只影响0.1%的Dice，但形成连通域之后就是一个实实在在的误报缺陷块。所以必须把评估放在业务单位上，也就是“检出了几个真缺陷”“误报了几个假缺陷”。
5.4 推理输入尺寸与滑窗拼接的坑
训练时图像resize到512乘512，推理时如果直接拿原图resize，小目标信息会被压缩，性能明显下降；如果直接输入原图，模型会因为尺寸分布不一致而退化。我在项目里遇到过类似问题，把推理改成滑窗之后就解决了。
做法是把原图切成若干重叠Patch，每个Patch按训练时的尺寸输入模型，推理完再把概率图拼回原位。重叠区可以用平均融合，减少拼缝处的跳变。重叠比例不建议太大，10%到20%足够。这个方案对小气孔和细长裂纹都有好处，因为局部裁切能保留更多细节。代价是推理总耗时增加，但焊缝检测场景通常不是毫秒级，可接受。
6. 系统落地时可以继续做的几件事
原型能跑通之后，离真正的产线可部署还有距离。下面这几个方向是我在项目后期验证过的，按优先级从高到低排列。
6.1 ONNX导出与轻量化部署
训练完的PyTorch模型直接给产线用，在环境和效率上都不合适。先导出成ONNX格式，再交给运行时推理引擎处理，是常见做法。焊接缺陷这种低对比小目标场景，量化要谨慎。FP16基本无损，INT8的精度损失在细小裂纹上会比较明显。我建议先跑FP16保证效果，INT8要等场地样本稳定后再做。
dummy = torch.randn(1, 1, 512, 512, device=device) torch.onnx.export( model, dummy, "weld_defect.onnx", input_names=["input"], output_names=["output"], opset_version=11 ) print("ONNX export done.")导出完成后，用ONNX Runtime加载测试一遍，确认输出和PyTorch版本一致，再做部署。
6.2 在线产线的触发、缓存与告警链路
在线检测场景和离线分析是两回事。产线来的是一段连续图像流，不能傻乎乎每帧都推理。通常的做法是：传感器检测到工件到位后，触发采集当前ROI图像，放进队列；GPU推理线程从队列取出图像处理，结果写入数据库并关联工件条码；如果判定为不合格，触发声光告警，同时保存可疑原图和模型结果图。
这个缓冲设计最关键的是不能丢图，尤其是缺陷图。我见过因为推理速度跟不上，简单地把队列里的旧图像丢掉的方案，最后等于把最容易出问题的那批数据全扔了。宁可在告警侧加延迟，也不要随意丢帧。
6.3 错分样本回注与增量训练
我的项目里最有价值的操作，是每跑完一批现场数据，就把漏检和误检的图像挑出来重新标注，再追加到训练集中做增量训练。增量训练时学习率要调低，大概是原来的十分之一，防止新样本把旧知识冲掉。每次追加的样本量控制在1000张左右，跑20到30个epoch，效果提升通常很稳定。
第一批错分样本回注带来的收益最大，越往后越趋近于饱和。跑完回注之后，最好单独保存一个固定评估集，全程不参与训练，确保每次模型变化不会产生回归。不要因为某次回注让旧场景召回率下降而不自知，这是我吃过亏后养成的习惯。
最后再分享一个体会：焊接缺陷检测这个项目，技术本身不是最大的难点，难的是你愿不愿意把时间花在数据、标准和反复验证上。模型结构大家都能看懂，最后拉开差距的往往是这些“脏活累活”。但恰恰是这些脏活，能把系统从“论文Demo”变成“车间里真正能用的工具”。
