081、工业缺陷检测全流程：数据采集、缺陷定义、YOLO 训练与产线部署

081、工业缺陷检测全流程：数据采集、缺陷定义、YOLO 训练与产线部署

去年在一条PCB产线上调试YOLOv8，客户反馈漏检率突然从0.3%飙到2.1%。我远程连上工控机一看，模型推理正常，但检测框全偏了——后来发现是产线换了光源，色温从6500K变成了4000K，而训练数据全是6500K下拍的。这种坑，踩一次就记住了。

工业缺陷检测和学术比赛完全是两码事。学术比赛比的是mAP，工业现场比的是“能不能扛住产线24小时不崩”。下面直接拆解整个流程，从数据到部署，每个环节都有血泪教训。

数据采集：别让相机骗了你

工业相机选型不是越贵越好。我见过有人用500万像素的工业相机拍螺丝表面缺陷，结果帧率只有15fps，产线速度是60个/分钟，根本跟不上。这里踩过坑：先算产线节拍。假设产线速度是V个/分钟，每个产品需要拍N张图，那么相机帧率至少是V×N/60×1.5（留50%余量）。比如60个/分钟，每个拍2张，帧率至少60×2/60×1.5=3fps，但实际建议5fps以上，因为还要考虑触发延迟。

光源是工业检测的灵魂。别这样写：“使用环形光源即可”——环形光源对反光面效果很差。我处理过的一个案例：检测金属表面的划痕，用环形光源导致划痕和背景对比度极低，模型死活学不会。后来换成低角度条形光源，划痕立刻清晰可见。记住一个原则：缺陷是什么方向，光源就从相反方向打。划痕是纵向的，光源就横向打；凹坑是圆形的，就用同轴光。

采集数据时，这里踩过坑：一定要包含产