3. 视觉检测平台的数据采集与标注规范
在 HALCON 深度学习视觉检测项目中，模型精度的上限往往在数据采集与标注阶段就已经被决定。一个常见的误区是：先随便拍几百张图，标注完直接训练，发现漏检后再回头补数据。这种“边训边补”的方式会导致数据集版本混乱、标注标准漂移，最终模型指标无法复现。本节围绕工业相机与图像采集、缺陷样本采集策略、标注工具与 HALCON 数据格式、数据集划分与版本管理四个环节，给出可落地的工程规范。
一、工业相机与图像采集：先固定成像条件
HALCON 深度学习对图像质量的要求不是“越清晰越好”，而是“成像条件与产线一致且稳定”。采集前需要固定以下参数：相机型号与分辨率、镜头焦距与工作距离、光源类型（环形光、条形光、同轴光、背光）与角度、曝光时间、增益、触发方式。以某金属表面划痕检测为例，采用 500 万像素面阵相机、35 mm 镜头、工作距离 300 mm，配合低角度条形光，使划痕在图像中呈现为高对比度亮线；若改用同轴光，划痕几乎不可见。这说明光源方案直接决定缺陷是否“可被看见”。
采集时建议使用 HALCON 的 open_framegrabber 与 grab_image_async 实现连续异步采集，避免丢帧。对于运动产线，应使用硬件触发，由编码器或光电传感器给出触发信号，保证每张图像对应固定位置。采集完成后，用 get_image_size、min_max_gray 检查图像尺寸与灰度范围，剔除过曝、欠曝、模糊帧。建议每类缺陷至少采集 200～500 张有效图像，正常样本数量与缺陷样本保持同一量级，避免类别极度不平衡。
二、缺陷样本采集策略：覆盖真实分布
缺陷样本采集的核心是“覆盖真实产线分布”，而不是“凑数量”。建议按缺陷类型、严重程度、位置、方向四个维度分层采集。以划痕为例：类型上区分长划痕、短划痕、交叉划痕；严重程度上区分轻微、中等、严重；位置上覆盖工件中心、边缘、角落；方向上覆盖 0°、45°、90°、135°。这样训练出的模型对方向与位置变化更鲁棒。
对于稀有缺陷，可采用“少量真实 + 合理增强”的策略。HALCON 提供 augment_image 或通过 rotate_image、scale_image、add_noise 生成增强样本，但增强必须保持缺陷语义不变。例如，将划痕旋转 90° 是合理的，但把划痕模糊到不可见则不合理。建议真实样本与增强样本比例控制在 1:1 到 1:3 之间，并在数据集中明确标记来源，便于后续追溯。
三、标注工具与 HALCON 数据格式
HALCON 深度学习支持多种标注格式，常用的是 DLDataset 目录结构：每个类别一个子目录，图像与对应的标注文件同名。对于分类任务，标注即类别目录；对于检测与分割任务，标注文件通常为 .json 或 HALCON 的 .hobj 格式，记录边界框或像素级掩膜。标注工具可选择 HALCON 自带的 MVTec Deep Learning Tool，也可使用 LabelImg、CVAT 等通用工具，但导出后需转换为 HALCON 可读格式。
标注规范必须书面化，至少包含：缺陷定义（什么算、什么不算）、边界框贴合规则（紧贴缺陷外轮廓还是留 2 像素余量）、遮挡处理、多缺陷重叠处理、最小标注尺寸。例如规定“划痕长度小于 5 像素不标注”，可避免标注噪声。标注完成后，建议由第二人抽检 10% 样本，计算标注一致性；若一致性低于 95%，需重新培训标注标准。
# HALCON DLDataset 目录结构示例
dataset/
├── train/
│ ├── scratch/
│ │ ├── img_0001.png
│ │ ├── img_0001.json
│ │ └── ...
│ └── normal/
│ └── ...
├── val/
│ └── ...
└── test/
└── ...四、数据集划分与版本管理
数据集划分建议按 7:2:1 分配训练集、验证集、测试集。划分时必须保证同一工件的图像只出现在一个子集中，避免数据泄漏。例如，若同一工件拍摄了 10 张不同角度的图像，这 10 张应全部进入训练集或全部进入验证集，而不能拆分。验证集用于调整超参数与早停，测试集只在最终评估时使用一次。
版本管理方面，建议为每次数据变更打标签，如 v1.0_20250101，并记录变更内容：新增多少张、修改了哪些标注、调整了哪些类别。可使用 DVC 或 Git LFS 管理大文件，配合 dataset_info.json 记录图像数量、类别分布、划分比例。每次训练前，先确认数据集版本与标注版本一致，避免“用旧标注训新数据”。
dataset_card.md，记录采集设备、光源方案、标注规范版本、划分比例与已知偏差。这份卡片是模型复现与问题排查的第一手依据。综上，数据采集与标注规范的本质是“把不确定性提前消除”。成像条件固定、样本覆盖真实分布、标注标准统一、版本可追溯，这四点做到位，后续的 HALCON 模型训练与部署才有稳定基础。