墙面瓷砖出了裂缝或者脱落这种事，住进去再发现就已经晚了，施工方和业主来回扯皮，返工成本高到离谱。而现有的人工验收，靠的是监理拿肉眼蹲在墙根下一块砖一块砖地看，效率低不说，漏检率还高得看当天光线和心情。这几年我一直在啃这个方向，折腾的就是一套专门给建筑质量验收场景准备的墙面瓷砖缺陷检测数据集，核心盯住两个老大难问题：瓷砖裂缝识别和瓷砖脱落识别。
这套东西不是我临时起意攒出来的。它是我手里一个迭代序列里的第10433期版本，也就是我已经把这个数据资产当成一条流水线在运营，每一期都在补场景、补样本、补边界case。这篇文章不聊高大上的架构，就说清楚三件事：这套数据集到底怎么设计才能喂饱模型，模型选型和训练里实际踩过的坑，以及它怎么真正落地到装修质量评估和墙面维护监测的流程里。
1. 项目背景与整体设计
1.1 传统验收方式的核心痛点
建筑质量验收这个场景，行业内没人愿意明说，但大家都心知肚明：瓷砖铺贴完的验收环节，基本还停留在人海战术。一个两万平的地库或者商场公共区域，监理带个手电筒，顺着墙根走一圈，裂缝靠反光看，空鼓靠敲击听，脱落靠肉眼数。这种模式有几个难以回避的死穴。
先说检测一致性。同一个墙面，上午十点的自然光和下午三点的侧光下，裂缝的可见度能差出两个数量级。浅缝在直射光下几乎隐形，侧光一扫就现出原形。监理换个人，标准又变一套，有的人觉得头发丝细的缝不算事，有的人觉得只要看到缝就必须标记。这种主观性导致验收报告到了甲方手里，经常引发大面积的返工或者扯皮。
再说覆盖率。人走一圈，视线焦点是有限的。两米以下的墙面看仔细了，两米以上的高处基本靠抽查或者望远镜比划。而恰恰是高处瓷砖脱落造成的安全风险最大，不管是商场中庭还是住宅楼道，掉下来一块就是事故。我接触过某物业团队，他们每年外墙排查要搭脚手架，一次排查周期按周计算，期间还不能正常营业。
第三个痛点是数据留痕。人工验收填的是纸质表格，勾勾画画写个“局部空鼓，已标记”，但具体位置偏差半米就找不到，后期复核等于重来一遍。一旦出现纠纷，这种证据的证明力也很弱。
这些痛点汇总起来，行业里其实早就想用视觉检测来替代一部分人工作业了。但为什么至今普及率不高？因为模型在实验室里跑得再漂亮，到了工地现场就是各种花式误检。墙上的胶带残留、水泥浆痕、电线管阴影、甚至保洁拖把甩上去的脏水印，都会被模型当成裂缝或者脱落。要压住这种误检，没有别的捷径，只能靠数据。
1.2 数据集在项目中的角色定位
这个数据集在整个项目里的定位，我始终把它定义为“地基层资产”，而不是一次性交付物。设计它的时候，我给自己定了几个明确的要求。
第一，它必须覆盖真实工地里的绝大多数光照条件。内墙、外墙、白天、黄昏、楼道灯、地库管廊灯，每种场景都会影响成像特征。第二，它必须有明确的缺陷分级概念，不是把所有裂缝都当成同一个标签丢进去。比如承重墙裂缝和非承重墙填充墙裂缝，处置优先级完全不同，模型只需要识别，但数据集的标签体系不能把这个信息丢掉。第三，它必须支撑模型在边缘设备上跑，这意味着训练时要主动做分辨率、模糊度、噪点的退化模拟，让模型别太依赖高清纹理细节，否则一上低端摄像头就废。
第10433期这个编号，其实是我们内部实验流水线的累计序列号。每一期数据集都会带着上一次线下测试暴露的badcase回流，相当于给数据资产的“版本管理”打了标记。一期一期往下走，每一期都比上一期多覆盖一批难例。
1.3 方案选型：为什么是目标检测而不是分割
做瓷砖缺陷，视觉方案上不外乎两条路：目标检测和目标分割。我最终选了目标检测作为数据集标注和模型输出的主形态，不是分割不好，而是在这个场景里，检测的性价比和可落地性明显更高。
分割模型能给出像素级的缺陷轮廓，看起来很精确，但对标注的精细度要求极其苛刻。一条半米长的裂缝，边缘像素都要抠出来，标注一个框的时间够标三四个框。而且瓷砖表面有大量的纹理和砖缝干扰，分割模型很容易把釉面纹理的连续区域误判成缺陷区域，收敛难度很大。检测任务回归一个矩形框，天然就带了一定的空间容错性，只要框的召回率够高、中心点够准，运维人员就能根据框的坐标直接去墙面复核，效率损失可以忽略。
所以我给数据集的每个缺陷标注的都是矩形框加类别。类别目前定义了三个主类和一个辅助类：裂缝、脱落、空鼓区域标记，外加一个“疑似缺陷”辅助类，专门收那些人工看了都犹豫的case。这个辅助类在训练时可以作为忽略类处理，但保留了原始争议信息，方便后续人工复核时做二次决策。
2. 数据集内容与标注规范
2.1 采集场景设计与来源构成
数据集的图像来源我分了三块，比例做过刻意控制。第一块是真实工地实拍，占比大约六成。这块数据金贵在真实，包含了各种恶劣环境：水泥粉尘、覆膜未撕、砂浆残留、不同色号的瓷砖混贴。这些干扰看似脏乱差，但正是模型到了现场不虚的关键。
第二块是模拟场景制作，占比大约三成。我们在某高校的建材实验室里搭了专门的模拟墙面，用不同材质和尺寸的瓷砖，通过控制粘结层的砂浆配比来制造空鼓和脱落，用切割机和硬度不同的锉刀来制作不同宽深度的裂缝。模拟场景的好处是能精确控制缺陷的形态，尤其是裂缝宽度梯度，能从0.1毫米到3毫米做完整的分布，这在真实工地很难凑齐。
第三块是数据增强生成，占比一成左右。翻转、旋转、亮度对比度变换这些基础操作不必多说，重点做的是两类针对性的增强。一类是模糊模拟，模拟手抖或者摄像头合焦不准；另一类是低照度模拟，针对地库和走廊的夜间施工验收场景。这一块虽然占比不大，但对模型鲁棒性的提升效果很明显。
2.2 标注体系与格式设计
标注格式我同时出了YOLO格式和COCO格式，因为训练阶段和部署阶段的工具链需求不一样。YOLO格式喂给训练管线效率高，COCO格式做数据分析和模型评估时候结构更清晰。每张图配一个同名JSON文件，里面包含基础信息、缺陷框列表和备注字段。
这里特别想说一下备注字段的设计。我在每个标注框后面都加了一个难度等级字段，一星到三星。一星是肉眼一眼就能看出的显著缺陷，三星是需要贴着墙仔细找的隐蔽缺陷。这个字段训练时用不到，但评估时非常有用。我能把模型按难度分层看指标，而不是只看一个总mAP。如果三星级的召回率明显低于一星级，我就知道模型的能力边界在哪，也就能有的放矢地补充对应难度的数据。
标注标签的定义我也做了明确的规则边界，避免不同的标注员各按各的理解来。裂缝的定义是：瓷砖表面连续性断开，缝隙宽度超过0.2毫米，且长度超过3厘米的才记。达不到这个阈值的釉面划痕，统一丢进“疑似缺陷”类。脱落定义为：瓷砖表面与基层脱离，目测可见明显错位或者翘起，或者整块缺失形成孔洞。空鼓区域则定义为：敲击有空鼓声且目视可见接缝处微裂缝的区域。
2.3 数据规模与类别分布
第10433期数据集的总量，我控制在了一万两千张图像左右，缺陷实例累计两万三千多个。这个规模在目前的检测任务里不算大，但胜在场景覆盖密度高。每张图像的分辨率统一处理到1920像素宽，这个尺寸兼顾了细节保留和训练时的显存开销。
各类别的实例分布我特意做了不均匀设计。裂缝类最多，约一万四千个实例；脱落类约七千个实例；空鼓区域部分最少，约两千个。类别不平衡是刻意为之的，和真实工地的缺陷发生频率保持一致。如果真的按均衡分布做，模型会在罕见类别上虚胖，到了现场反而被高频类别带偏。
还有一个容易忽略的细节是负样本的占比。整个数据集里大约有百分之十八的纯负样本，也就是一张图里没有任何缺陷，全是正常的瓷砖墙面。这些负样本是用来压制误检的，没有它们，模型会对所有纹理丰富的地方都产生兴趣。我试过负样本比例降到百分之十以下的版本，误检率直接翻了将近一倍。
3. 模型选型与训练细节
3.1 检测网络的天平逻辑
模型选型是个权衡游戏。项目对实时性有要求，因为验收人员拿着设备在墙边走，不可能停下来等模型计算五秒钟。所以我的候选集里只剩下单阶段检测器，Faster R-CNN这种两阶段方案，精度确实是好，但推理速度在低算力设备上撑不住，直接出局。
我实际横向对比过YOLOv5、YOLOv8、YOLOX和RT-DETR四个主流方案。YOLOX的decoupled head在裂缝这种细长小目标上表现不错，AP50能到比较理想的水平，但训练收敛速度偏慢。RT-DETR吃显存容量有点凶，端侧部署转换工具链还不够顺手。最终主力模型选了YOLOv8，它在精度和部署友好度之间平衡得最好，尤其是导出ONNX再转各种端侧格式的路径非常顺畅。
但这里有个值得一提的细节：YOLOv8的backbone在提取裂缝这种低对比度弱纹理特征时，前几层的感受野偏小。为此我没有直接套用COCO预训练权重，而是先用一个瓷砖表面的粗分类任务做了自监督预训练，让模型先学会区分“这是瓷砖”、“这是墙漆”、“这是水泥抹灰”，再进检测任务微调。这一手虽然增加了训练流程的复杂度，但对最终mAP的提升有一个点以上的实际收益，值得。
3.2 训练超参与数据增强的实操配方
训练配置这块，我直接给出目前跑下来最稳定的配方。输入分辨率用的是960乘960，没有用原生的640，因为墙砖缺陷很多是小尺寸目标，分辨率不够小目标直接变成几个像素的点，什么模型都白搭。batch size在单卡A100上是64，多卡训练时同步BN。
增强策略上，mosaic和copy-paste是主力。copy-paste对脱落类特别有效，因为脱落区域在图像里是“空洞”形态，把不同图里的脱落区域裁剪下来拼接到新图上，模型能学到更强的形状不变性。随机旋转的角度范围我限制在正负30度以内，因为墙砖缝方向是强先验，转得太狠会破坏这种结构信息，反而让模型学歪。
训练轮数我控制在300个epoch，用了余弦退火调度器，初始学习率0.01，权重衰减0.0005。前50个epoch用warmup，让模型先稳定下来再说。因为预训练权重的存在，模型从第80个epoch开始mAP就进入平台期了，后面200个epoch主要在啃难例。
3.3 评估策略：别只盯着一张mAP表
模型评估这块，我强烈建议做分层评估。工业缺陷检测和自然场景目标检测不一样，自然场景里的猫猫狗狗漏检了无所谓，缺陷检测里漏掉一条裂缝，后期就是一面墙的返工。所以我的评估体系里，recall的权重要比precision高一个等级。
具体操作上，我按缺陷尺寸分了三层：小目标（面积小于32乘32像素）、中目标（32到96像素）、大目标（大于96像素）。每层单独看召回率。裂缝这类细长目标，经常出现宽高比极端失衡的情况，单独看面积会把它归错层，所以我额外加了一条规则：以短边为基准衡量尺寸。短边小于8像素的一律归入极小目标层，这一层最容易漏检，也是我每次迭代重点盯防的对象。
置信度阈值的选取，我走的也是召回率优先的路线。部署时阈值压到0.25，宁可多给运维人员一些误报框，让他们肉眼快速扫一眼排除，也不能放过真实缺陷。后期我把这个阈值写进了部署配置里，默认值不允许修改，除非现场负责人签字确认。
4. 从训练集到现场部署的最后一公里
4.1 边缘设备上的量化与加速
模型训练完只是第一步，真正考验功夫的是把它塞进工地现场的边缘设备。验收人员用的设备五花八门，有的是安卓平板，有的是带屏幕的工业手持终端，有的是无人机挂载的机载电脑。这些设备的算力上限普遍不高，大型服务器上的浮点模型直接跑，帧率能掉到个位数。
我做的第一步是通道剪枝。用结构化剪枝把YOLOv8里冗余度较高的3乘3卷积通道剪掉约四分之一，精度损失控制在0.3个mAP点以内，但推理速度提升了约百分之三十八。剪枝后的模型再去做PTQ量化，数据用训练集里随机抽的两千张图做校准集，int8量化后精度损失又降了一点，合在一起比原始模型低了大概0.6个mAP点，换来的是在边缘设备上近三倍的推理提速。
这里有个实际操作中容易翻车的点：量化校准集不能只用干净样本。一开始我偷懒用了纯负样本做校准集，结果模型对缺陷特征的量化误差特别大，部署后召回率暴跌。后来把校准集改为正负样本混合，并且加了一些真实工地里常见的噪声图像，这个问题才解决。
4.2 实拍验收流程的无缝衔接
算法部署到位后，四分之一的功力在模型，四分之三在流程编排。验收人员举着设备沿着墙面走，视频流实时推理，检测框叠加在预览画面上，同时后端记录每一个缺陷框的时间戳和IMU姿态数据。这一层我不只做了图像检测，还把相邻帧的检测结果做了轨迹关联，同一个缺陷在多帧里反复出现，就去重合并成一条记录。
随之而来的是一个容易被忽略的工程问题：墙面缺陷的坐标怎么换算成实际墙面位置。单纯图像坐标没法让工人直接找到那个地方。我的方案是结合深度相机的距离信息和设备自带的IMU姿态，把检测框的中心点投影到墙面平面坐标，再换算成以房间角落为原点的相对坐标。每一条缺陷记录对应一组“从东侧墙往南走两米三、离地一米一”这样的引导信息。实测下来，工人根据这些坐标复核缺陷的定位误差能控制在十厘米内。
4.3 和现有验收流程的关系处理
新工具进场，最怕的就是和现有体系脱节。我们没有试图让模型取代监理的角色，而是把它定位成一个高效的辅助筛查器。先用模型把整个墙面的图像数据采集完，生成一份带坐标的初筛报告，再由监理带着这份报告去现场复核，只对模型标记的区域做仔细检查。这样监理的工作量从原来每面墙都得瞪大眼睛扫一遍，变成了只看模型标出来的少量区域，效率提升显著。
这个定位也决定了数据集的标注要和人工复核的结论打通。数据回流路径是我专门设计的：现场复核时，如果发现模型漏检了某条裂缝，或者在模型标记的区域没找到问题，复核人员只需要在软件里点一个按钮，对应的图像帧和复核结果就会自动进入下一期数据集的候选池。这就是第10434期、第10435期持续进化的原料来源。
5. 常见问题与排查技巧实录
5.1 误检与被误检的典型案例
我整理了几个出现频率极高的误检模式，给各位参考。
第一大类，瓷砖纹理当裂缝。这在高光釉面砖上尤其严重，纹理在特定角度光照下形成连续的高对比线条，和裂缝在图像上几乎无法区分。我的处理办法是，训练数据里大幅增加高光釉面砖的样本，并且加了专门的光照扰动增强，让模型学会不依赖局部对比度做判断，而是结合周围区域的上下文。
第二大类，施工遮蔽物被识别成脱落。现场经常有电线保护管、阳角保护条、临时挂钩这些贴在墙面上的东西，它们的边缘阴影在图像里看就是一个“窟窿”。这类问题是纯负样本量不足导致的，我把这些施工附属物的图像专门收集了大约两千张作为负样本入库，误检率明显回落。
第三大类，砂浆痕迹被识别成裂缝。水泥砂浆在砖缝处的溢出是常态，干燥后形成发丝状的白色线条，很像裂缝。这个靠的是给裂缝类样本增加更多的真实砖缝干扰，让模型对“砖缝和裂缝共存的上下文”更敏感。
5.2 标注一致性是如何崩掉的
做数据集做到后期，最大的坑往往不是算法而是标注管理。我第一次组织标注时没有做严格的标注标准培训和一致性抽检，结果不同标注员对中等难度裂缝的分歧率达到了百分之二十五。模型在训练时反复学习互相矛盾的标注，损失函数跳来跳去，怎么调都调不到一个顺滑的收敛曲线。
解决这个问题，我采取了双人标注加仲裁的机制。每一张图像由两个标注员独立标注，两边标注框的IoU超过0.7且类别一致才认定通过，不一致的进入仲裁员复核。仲裁员通常是熟悉检测模型的算法工程师，判断更加客观。这条路跑下来，标注一致性从百分之七十五提升到了百分之九十二，模型的收敛速度和稳定度显著改善。
5.3 系列化迭代的节奏把控
把数据集当成一个持续运营的资产，而不是一次性生产完就交付，节奏感很重要。我目前跑出来的一个比较舒服的迭代节奏是：每个迭代周期，从现场回流约两千张真实场景图，人工复核后挑出约八百张进入下一期训练集，再配合从模拟场景生成少量新缺陷形态的样本补足长尾，总计约一千张新增量。这个体量下，每次重训的时间成本和算力成本都可控，模型能力稳定向上。
每个“第N期”的产出，不只是多了几百张图片，还有一份维度的报告。比如第10433期相比上一期，新增覆盖了三种以前没见过的瓷砖纹样和两种极端光照条件，查漏补缺的效果一目了然。这样的迭代机制，让模型的现场表现始终追着真实世界的缺陷分布走，而不是停留在实验室的舒适区里。
写在之后的一些个人实践反思
做瓷砖缺陷检测这块，回头看不光是模型和数据的事。数据集的构建理念是决定项目上限的天花板，而真正要命的问题永远是那句老话：垃圾进，垃圾出。标注质量、场景覆盖度、负样本比例、难例分层这些东西，每一个单拎出来都影响最终现场的交付效果。我现在每跑一个企业的验收测试，都会把对方提供的现场视频样本拿回来补充数据集，自己的钱也好，客户的资源也好，数据资产是越滚越厚的。如果你也打算在这个方向落地，我给你的建议是：别急着堆算力堆模型，先花时间把数据采集和标注流程打磨到像工厂流水线一样可靠，后面每一步都会顺畅很多。
