缺陷检测算法：工业图像瑕疵检测与YOLOv8应用 - 第4节

4.1 从传统视觉到深度学习：范式转变

在工业缺陷检测领域，传统机器视觉方法依赖人工设计的特征（如边缘、纹理、颜色直方图）与分类器（如SVM、随机森林）的组合。这种方法在受控光照、固定姿态的场景下表现稳定，但面对复杂纹理、微小缺陷或光照变化时，泛化能力严重不足。

深度学习，尤其是卷积神经网络（CNN），通过端到端学习自动从原始像素中提取层次化特征，彻底改变了这一局面。CNN不再需要人工设计特征，而是通过大量数据驱动的方式，学习从“低级边缘”到“高级语义”的表示。

核心转变： 传统方法 = 人工特征提取 + 分类器；深度学习方法 = 原始图像 → 自动特征学习 → 分类/定位。

4.2 CNN核心基础原理

卷积神经网络（CNN）是一种专门处理具有网格状拓扑结构数据（如图像）的神经网络。其核心思想是利用局部连接、权值共享和池化操作来减少参数量，同时提取平移不变的特征。

4.2.1 卷积层（Convolutional Layer）

卷积层是CNN的核心构建块。它通过一组可学习的卷积核（Kernel/Filter）在输入图像上滑动，计算点积并生成特征图（Feature Map）。每个卷积核负责检测一种特定的局部模式，如边缘、角点或纹理。

  • 局部连接： 每个神经元只与输入数据的局部区域（感受野）连接，而非全连接，大幅减少参数量。
  • 权值共享： 同一个卷积核在整个输入图像上共享参数，使得模型能够检测到出现在图像任意位置的相同特征。
  • 输出尺寸计算： 输出特征图尺寸 = (输入尺寸 - 卷积核尺寸 + 2 × 填充) / 步长 + 1。
工业应用提示： 在缺陷检测中，小尺寸卷积核（如3×3）堆叠比单个大卷积核（如7×7）效果更好，因为更深的网络能提取更抽象的特征，且参数量更少。
卷积操作示意图 输入图像 (H×W×C) 卷积核 (k×k) 特征图 (H'×W'×N) 卷积核在输入上滑动，计算局部点积，生成新的特征图。 N个卷积核生成N个特征图，构成下一层的输入。

4.2.2 池化层（Pooling Layer）

池化层通常跟在卷积层之后，其主要作用是下采样，即降低特征图的空间尺寸，从而减少参数量和计算量，并防止过拟合。同时，池化操作赋予了模型平移不变性，即对微小的位置变化不敏感。

池化类型 操作方式 特点 工业场景适用性
最大池化 取池化窗口内的最大值 保留最显著的特征，对纹理和边缘响应强烈 适用于检测明显的划痕、裂纹等强响应缺陷
平均池化 取池化窗口内的平均值 保留背景信息，平滑特征，对噪声鲁棒 适用于检测均匀性缺陷，如色差、脏污
全局平均池化 对整个特征图取平均 将特征图直接转换为一个值，常用于分类网络末端 减少参数量，防止过拟合，常用于轻量级模型

4.2.3 全连接层（Fully Connected Layer）

全连接层通常位于CNN网络的末端，其作用是将前面卷积和池化层提取的高维特征进行整合，并映射到最终的输出空间（如类别概率）。每个神经元与上一层的所有神经元相连，因此参数量巨大。

  • 分类器角色： 将特征图展平为一维向量，通过权重矩阵计算，输出每个类别的得分。
  • 参数量瓶颈： 全连接层通常占据整个网络80%以上的参数，容易导致过拟合。
  • 现代趋势： 在YOLOv8等目标检测网络中，全连接层被卷积层或全局平均池化替代，以减少参数量并支持任意尺寸输入。
CNN经典结构：卷积-池化-全连接 输入 卷积 +ReLU 池化 卷积 +ReLU 池化 全连接 分类 特征提取阶段（卷积+池化）→ 特征整合阶段（全连接） 现代检测网络（如YOLOv8）用卷积层替代全连接，实现更高效的密集预测。

4.3 从分类到目标检测的演进

图像分类（Classification）回答“图像中有什么？”，而目标检测（Object Detection）回答“图像中有什么，以及它们在哪里？”。从分类到检测的演进是计算机视觉领域最重要的里程碑之一，也是工业缺陷检测从“有无判断”走向“精准定位”的关键。

4.3.1 演进路线图

  1. 图像分类（Image Classification）： 经典CNN（AlexNet, VGG, ResNet）对整张图像输出一个类别标签。在工业中可用于判断产品是否合格（良品/不良品）。
  2. 目标定位（Object Localization）： 在分类基础上，增加回归分支预测边界框（Bounding Box），输出“类别+位置”。
  3. 目标检测（Object Detection）： 同时处理图像中多个目标，输出每个目标的类别和位置。分为两阶段（Faster R-CNN）和单阶段（YOLO, SSD）两大流派。
  4. 实例分割（Instance Segmentation）： 在检测基础上，对每个目标进行像素级分割，输出精确的轮廓（Mask R-CNN）。
工业场景选择： 对于大多数工业缺陷检测任务，单阶段检测器（如YOLOv8）是首选，因为其速度快、精度高、易于部署。两阶段检测器精度略高但速度慢，适用于对实时性要求不高的离线抽检。

4.3.2 两阶段 vs 单阶段检测器

特性 两阶段检测器（Faster R-CNN） 单阶段检测器（YOLOv8）
核心流程 先提取候选区域（RPN），再对每个区域进行分类和回归 直接在特征图上密集预测类别和边界框
速度 较慢（5-10 FPS） 极快（30-100+ FPS）
精度 较高（尤其对小目标） 高（近年已接近两阶段水平）
部署难度 模型大，推理复杂 模型轻量，易于TensorRT/ONNX部署
工业适用性 离线高精度抽检 在线实时检测、边缘端部署
从分类到目标检测的演进 图像分类 输出：类别标签 例：良品/不良品 目标定位 输出：类别+框 单目标场景 目标检测 输出：多类别+框 YOLO/SSD/Faster R-CNN 实例分割 输出：类别+掩码 Mask R-CNN 演进核心：从“图像级”理解 → “区域级”理解 → “像素级”理解 工业缺陷检测通常需要“检测”或“分割”级别，以精确定位缺陷位置和尺寸。 2012 AlexNet 2014 R-CNN 2016 YOLO/SSD 2017 Mask R-CNN

4.4 本章小结：CNN与工业缺陷检测的桥梁

理解CNN的基本原理是从传统视觉转向深度学习缺陷检测的基石。卷积层负责提取局部特征，池化层负责降维和增强不变性，全连接层负责特征整合。从分类到检测的演进，使得模型不仅能判断“是否有缺陷”，还能精确回答“缺陷在哪里、有多大”。

← 上一章 📖 返回目录 下一章 →