缺陷检测AI关键点在哪

用 AI 做缺陷检测，关键点到底在哪？------从一次「公开数据集翻车」说起

三句话看懂今天：

用 AI 做缺陷检测，真正决定「能不能检得出」的，是数据处理，不是算法，也不是把模型塞进板子。

我们拿一个出名的公开超声数据集训缺陷二分类，AUC 只有 0.52~0.63------跟瞎猜一个水平。

换成「真实噪声 + 物理缺陷回波」的半仿真路线后，AUC 直接到 0.976 ，一个 110KB 的小模型做到 93.5% 准确率，还顺带拿到了能对外讲的 POD 曲线。

一、翻译器：先解决「这词儿啥意思」

技术词	说人话	本文里它干什么
缺陷检测 AI	让机器自动看/听出来东西坏没坏	本文讨论的核心：这类项目的关键点到底在哪
公开数据集	别人录好、标好的一堆样本	我们第一次尝试的数据来源，结果翻车了
AUC	猜硬币（0.5）到火眼金睛（1.0）之间	衡量「能不能分开好坏」的核心指标
半仿真	真的环境录音 + 合成的说话声	真实噪声背景 + 物理模型算出来的缺陷回波
标签 / 标注	标准答案	决定模型学不学得对，比模型本身更致命
RK3568 NPU	一块便宜的边缘计算芯片	我们把模型部署上去实测的那块板子
POD 曲线	多大的毛病有多大概率被抓到	超声领域的标准验收方式，不是我们自己发明的

二、先抛结论：数据处理才是关键

一句话：算法是货架上的货，部署是把货送到现场的车，只有「数据里有真信号、标签是真」这件事实实在在长在土里。

很多人（包括我一开始）会本能地把注意力放在两端：

一端是「模型够不够花」------ ResNet？Transformer？要不要上预训练？
一端是「能不能上板」------ 量化、NPU、实时性、功耗。

但我们在超声缺陷检测这个项目里，从头到尾最大的卡点、最关键的转折、最值钱的经验，全在**中间那段没人爱聊的「数据处理」**上。

下面用我们项目的真实数字，把三个阶段摆在一起比一比。

三、三阶段关键度对比

柱高 = 对「能不能检出缺陷」的决定性。

阶段	对结果的决定性	我们的真实情况	一句话定性
数据处理	★★★★★ 决定生死	真实数据 AUC 0.52 → 半仿真 0.976；标签 100% 精确	关键·决定生死
算法训练	★★★ 重要但可商品化	小 CNN 跑 30 轮即 93.5%，架构不是瓶颈	重要·可商品化
部署板子	★★ 必要但下游	RK3568 NPU 1.16ms/条（861 条/秒），与 PC 一致率 100%	必要·下游通道

3.1 数据处理：决定生死

这是整篇文章最想讲清楚的一点。

我们第一次拿到的，是超声领域最出名的公开数据集之一（相控阵 FMC 全矩阵，256×256×100 的 UInt16）。

先花大力气把数据弄下来（直连被墙、限速，最后靠 API 分段续传），然后做探查，结果触目惊心：

复制代码

把扫描按「有无缺陷」分组，逐条归一化后比差异：
轴 0（256 点）：组间平均差异 0.6%，最大 3.3%
轴 1（256 点）：组间平均差异 1.7%，最大 7.2%
相邻行相关系数：-0.035    相邻列相关系数：0.102
16×16 收发矩阵：对角线能量 / 非对角线能量 = 0.87

把能想到的 A 扫合成方式全试了一遍，AUC 全在 0.48~0.63 之间。0.5 就是瞎猜。

为什么会这样？三个硬伤：

形态根本不是 A 扫。它是收发组合矩阵，是相控阵原始采集数据，不是工人屏幕上的那条波形。
缺陷回波被相位抵消了。FMC 是「每个阵元发射、所有阵元接收」，缺陷回波到达各阵元时间不同，直接相加波峰对波谷、互相抵消。要聚焦得做 TFM，但数据里没有几何参数。
Clever Hans 风险。那个数据集的缺陷是「虚拟缺陷」叠加上去的，模型可能学到的是拼接痕迹而非缺陷本身。

这一步如果硬扛过去，后面就是「部署一台猜谜机器」。

转折点出现在我们换路线：半仿真------真实噪声纹理（从那个公开数据集里取，但只取噪声背景）+ 物理公式注入缺陷回波。

python 复制代码

背景噪声  ← 从实测数据取，保留真实材料晶粒散射纹理
缺陷回波  ← 按物理模型注入，位置 = 2d/c，幅值 ∝ φ²/d
始波/底波 ← 按声程摆到对应采样点

因为缺陷是我们自己按公式放进去 的，位置、深度、尺寸 100% 知道 → 标签 100% 精确。这一步，是整个项目真正的分水岭：AUC 从 0.52 跳到 0.976。

没有这一步，后面一切免谈。

3.2 算法训练：重要，但可商品化

模型本身我们用了个很小的 CNN（4 个卷积块 + 全局池化 + 两层全连接），没有任何花哨架构。

训练 40000 条、30 个 epoch，CPU 上约 2 分钟训完：

指标	数值
准确率	93.48%
AUC	0.9764
缺陷召回率	91.31%
精确率	95.38%
模型体积	110 KB

我的判断很直白：这类「波形/信号二分类」，现成卷积网络就够了，架构不是护城河。 真正拉开差距的，是喂进去的数据有没有真信号、标签真不真。算法是「谁都能请到的标准化工人」。

3.3 部署板子：必要，但属于下游

这一步我们也实打实做了------把模型转到 RK3568 的 NPU 上真机跑：

环节	结果
PC 推理（onnxruntime）	✅ 0.068 ms/条，14651 条/秒
ONNX → RKNN 转换	✅ toolkit2 1.5.0，FP16，77.6 KB
RK3568 NPU 推理	✅ 1.16 ms/条（861 条/秒）
端到端（含取数）	✅ 1.20 ms/条（836 条/秒）

板端 1000 条独立测试集：准确率 93.3%，与 PC 端逐条比对一致率 100%，logits 平均误差仅 0.22%------证明转换没搞坏模型。

但必须说清楚：部署再快，模型是瞎猜也没用；模型对了，部署慢点也能迭代。部署是把已经能检出的模型接通到边缘端，属于「交付通道」，不是「决定能不能检出」的环节。

（顺带一个坑：RKNN 1.5.0 拒「某一维特别小」的输入，最早想用 (1,1,1,256) 被拒，最后把 256 点每点重复 4 次铺成 32×32 正方形图才过。这是工程细节，不是认知层面的关键点。）

四、用我们那个超声项目当证据（小结）

把上面三段的证据压缩成一条时间线：

复制代码

拿真实公开数据训  →  AUC 0.52（瞎猜）  →  项目不成立
换半仿真数据      →  AUC 0.976（火眼金睛）→  项目活了
小 CNN 训 30 轮   →  93.5% 准确率        →  架构无巧思
部署到 RK3568 NPU →  1.16ms/条、861 条/秒 →  工程搞定

注意看：决定这个项目生死的，是第 1→2 步那一下「数据换路」。第 3 步和第 4 步，是「数据对了之后顺理成章的事」。

五、一个重要的 nuance：关键点 = 当前最大的瓶颈

别把「数据处理是关键」记成绝对真理。更准确的说法是：关键点 = 当前最大的瓶颈在哪。

你这种「非标准传感器 + 弱信号」的工业缺陷场景（超声、振动、声学、某些红外）：数据几乎永远是瓶颈。真实信号弱、标注贵、分布乱，数据处理（含数据生成、标注、分布对齐）就是生死线。
图像分类 / 常见视觉（数据海量、标签易得）：算法架构 + 部署延迟/功耗会更决定性。
要上线卖钱的产品：部署的实时性、可靠性、成本就是生死线------模型再准，跑不动、贵到用不起，也上不了市。

所以这篇文章的结论不是「数据永远第一」，而是：先找到你这个项目当前最卡的那一环，把资源砸在那。 而我们这个超声缺陷项目，从头到尾最卡的就是数据。

六、给工程师的三条实操建议（都是踩出来的）

先花 20% 精力验证「数据里到底有没有可学的信号」，再花 80% 搭模型。我们复算过：真实数据缺陷组和正常组差异 <2%，直接训就是白干。一个「分组对比 + AUC 探底」的探查脚本，能帮你提前一个月发现数据废了。
标签的可靠性 > 标签的数量。 半仿真之所以管用，不是因为数据多，而是因为标签 100% 精确（缺陷是我们自己放的）。真实数据若标签存疑，宁可用合成数据把信号学对，也不要拿脏标签硬喂。
部署别上头，但别拖到最后。 部署是下游，但 RKNN 形状限制、量化掉点这类坑，最好在设计模型时（输入输出形状、算子选择）就提前规避，别等训完才发现有维度被拒。

说人话通俗易懂版

三句话看懂今天

用 AI 找毛病，最要命的不是「模型多厉害」，也不是「能不能装进小芯片」，而是「喂进去的数据里到底有没有真毛病、答案标得对不对」。
我们最开始用的公开数据，试了五种办法都跟猜硬币差不多（AUC 0.5）。
换成「真环境录音 + 按规律算出来的毛病声」之后，一个小 AI 就准了，还能说出毛病在哪一层。

翻译器

听到的词	换成你家的话	今天这个数是好是坏
缺陷检测 AI	让机器自动看/听出来东西坏没坏	---
公开数据集	别人录好、标好的一堆样本	坏：噪声太大，分不出来
AUC 0.52	猜硬币的水平	坏：等于白干
半仿真	真录音 + 合成的说话声	好：知道答案才能练
标签 100% 精确	标准答案一个没错	好：学得对
小 CNN 模型	一个普通但够用的师傅	好：不挑人
RK3568 NPU 1.16ms	小芯片上一秒查 861 次	好：够快够省

生活类比串讲

想象你开了家只有一个收银台的小超市（这就是边缘设备，算力有限、不能乱来）。

数据处理 = 供货。供应商送来的货里，到底有没有真东西、标签对不对。如果供应商把空箱子当满箱子送来（真实数据里缺陷信号被抵消、答案不可信），你后面再怎么折腾，都是在卖空箱子。
算法训练 = 你请的收银员手艺。这活儿是标准化的，市面上随便请一个都会（现成的卷积网络）。手艺重要，但不是你能不能开张的决定因素。
部署板子 = 把货和人都搬进那个小超市、让收银台转起来。必要，但它干的是「把已经做好的事搬到现场」，不是「决定卖不卖得出去」的环节。

关键在哪一看就明白：货不对板，收银再快也是白忙；货对了，搬进小超市就能卖。

我们那个超声项目，最开始的「公开数据」就是送来的空箱子------试了五种办法都分不出好坏；后来换成「真环境录音 + 按物理规律算出来的毛病声」，等于自己把控了供货、答案一个不错，小 AI 一下就灵了。

记住这一句就够了

用 AI 做缺陷检测，数据决定「检不检得出」，算法决定「检多准」，部署决定「能不能用上」------而你这项目最卡的，多半是数据那一关。

下一篇预告

把二分类扩成「分类 + 深度回归」联合输出（现在深度靠峰值检测算，让网络直接学更稳）
加入「伪缺陷」样本（焊缝根部几何反射这类不是缺陷但长得像的信号）------这才是真实检测里最考人的部分