摘 要：快速、精准地识别铝型材表面缺陷，是生产线面临的一项实际挑战。传统方法要么成本高昂、设备复杂，要么检测效率欠佳。本文提出一种基于YOLO深度学习模型的缺陷识别方案——首先通过图像增广技术解决样本量不足和类别分布不均问题，随后构建YOLO模型，并增加预测尺度以增强对微小缺陷的捕捉能力。同时，对缺陷数据集的目标框重新进行聚类分析以优化模型参数，并采用多尺度训练策略提升模型对不同尺寸缺陷的适应性。实验结果表明，该方法效果显著：平均准确率均值（mAP）从95.66%提升至97.46%，单张图像识别耗时约45毫秒，实现了速度与精度的良好平衡。

铝型材在建筑与机械工业中应用广泛，产量和消费量逐年攀升。然而，生产过程中受材料特性和工艺条件影响，表面难免出现擦花、漏底、碰凹、凸粉等缺陷，这些缺陷直接关系到产品的可靠性、安全性和后续加工质量。为确保质量过关，必须快速、准确地识别出这些缺陷。

传统的检测方法（如涡流检测、超声导波、红外检测）要么成本高、设备复杂，要么难以实现可视化。机器视觉检测因非接触、安全性高、效率出色而成为热门方向。例如，有研究者利用Gabor滤波分析带纹理的铝型材图像，实现了喷涂表面的快速分类，但容易受表面粗糙度干扰。还有人针对钢轨表面缺陷设计了动态阈值分割算法，以及基于机器视觉的凸轮轴缺陷识别系统，可识别1毫米以上的缺陷。

不过，这些方法大多依赖传统机器视觉算法，需要根据缺陷的不同形态手动设计特征提取与识别规则。铝型材表面缺陷形状不规则、位置随机、大小不一，传统方法很难同时满足精度与效率要求。

近年来，深度学习在工业缺陷识别领域崭露头角。YOLO系列算法以速度快、准确率高著称，尤其是YOLOv3，对多尺度目标识别效果颇佳，已在齿轮、玻璃等表面缺陷检测中取得应用。然而，铝型材表面缺陷的识别目前仍以传统技术为主，若引入YOLO模型，有望突破现有瓶颈。

基于此，本文提出一种基于YOLO的铝型材表面缺陷识别方法：首先进行图像增广，将原始图像扩充至9600张，并构建三种分辨率的数据集；随后建立YOLO模型，将预测尺度增加至4个尺度，提升对小缺陷的识别能力；最后对目标框重新聚类分析，并采用多尺度训练（从低分辨率到高分辨率）优化模型。最终mAP达到97.46%，单张图像耗时45毫秒，效果显著。

1 数据集构建

铝型材常见的四种缺陷如图1所示：擦花、漏底、碰凹、凸粉。原始数据来自江苏某铝材公司，共342张缺陷图像，样本量少且各类别数量不均衡。深度学习训练数据不足容易导致过拟合，因此我们对有缺陷的图像进行了增广处理——包括随机调整对比度、亮度、旋转和缩放，每张原图通过多种随机组合生成新图。增广后每种缺陷2400张，比例达到1:1:1:1。训练图像统一转换为PASCAL VOC格式，长度分别调整为416、608、1280，宽度按原始比例缩放，以保持宽高比。

▲图 1 常见的 4 种铝型材缺陷

整个铝型材图像数据集共9600张（表1）。与普通图像分类不同，本任务需要标注缺陷区域的坐标位置，我们使用Labellmg软件对四种缺陷分别标注，记录路径、标签和坐标信息。

表 1 铝型材缺陷数据集组成

2 识别方法

2.1 铝型材表面缺陷的 YOLO 识别模型

YOLOv3是一种回归式目标识别算法，能够快速准确地识别多目标。它直接对输入图像的全局区域进行训练，从而加速识别并更好地区分目标与背景。首先利用Darknet-53主干网络提取缺陷特征，然后通过目标框预测类别和位置。然而，铝型材缺陷形态不规则、位置随机、大小不一，直接使用原模型难以精准识别微小缺陷。因此，我们对YOLOv3进行了三方面改进：将3尺度识别扩展为4尺度，提升小目标识别能力；重新聚类分析构建适合铝型材缺陷的初始目标框；采用多尺度训练优化流程。

图2展示了基于YOLO的多尺度识别模型架构。以Darknet-53为主干提取特征，融合多尺度识别，输出缺陷预测框和类别。训练集用于拟合网络，验证集用于调整超参数和评估性能。工作流程：先构建数据集并输入模型训练，再对缺陷进行多尺度预测，最后通过损失函数调整参数，得到改进后的模型。

▲图 2 铝型材多尺度识别模型架构

2.2 特征提取网络

主干网络Darknet-53的结构如图3(a)所示。整个网络全部由卷积层构成，没有池化层和全连接层。它借鉴了残差神经网络ResNet，加入了5个残差块，每个残差块包含若干残差单元。残差单元由特征提取层和两个DBL单元（Darknetconv2d BN Leaky）经过两层卷积构成（图3(b)）。DBL单元是YOLOv3的基本单元，由卷积（Conv）、批归一化（BN）和激活函数Leaky ReLU组成（图3(c)）。引入残差单元可防止网络加深时出现梯度消失或爆炸，从而增强特征提取效果，提升识别准确率。

▲图 3 Darknet-53 网络结构

2.3 多尺度识别的模型结构

大多数卷积神经网络仅在最后特征图上进行预测，只能获取单一尺度的语义信息，识别范围有限。铝型材缺陷大小不一、特征各异，需要多尺度网络来适应。YOLOv3通过多尺度预测解决这一问题，结构如图4所示。以铝型材输入图像为例，经过Darknet-53主干网络时会进行5次下采样。每次下采样后，特征图尺寸减半。32倍下采样后得到13×13分辨率的尺度1特征图；经过卷积等操作后上采样2倍，得到26×26特征图，与16倍下采样生成的26×26特征图做张量连接，得到尺度2；以此类推，再上采样2倍，与8倍下采样的52×52特征图连接，得到尺度3。

对于铝型材中非常微小的缺陷，原YOLOv3的3尺度预测仍显不足。为此，我们将模型扩展到4个尺度，增加104×104分辨率的特征图（图4中新加结构）。通过张量连接，将4倍下采样生成的104×104特征图与52×52的尺度3特征图融合。融合后的尺度4包含了之前各尺度的信息，能有效改善小缺陷的识别效果。

2.4 目标框的聚类分析

目标框（anchor boxes）是一组固定宽高比的初始候选框，对检测精度和处理速度影响重大。YOLO算法采用K-means对目标框的宽高比进行聚类分析，预先确定一组矩形框作为预测时的参照，通过预测偏移量降低训练复杂度。原YOLOv3的目标框基于PASCAL VOC、COCO等标准数据集聚类得到，适用于自然场景。但铝型材缺陷的特征完全不同，直接套用并不合理。

▲图 4 铝型材表面缺陷多尺度识别模型结构

为了更精准地定位和分类缺陷，我们重新使用K-means对铝型材数据集的目标框宽高比进行聚类分析。聚类目标是获得更高的交并比IoU（预测框与真实框的重叠率）。采用IoU代替欧氏距离定义距离D：

设定簇数K从1到20，聚类结果如图5。随着K增加，IoU数值上升但增长率下降。最佳K值通常选在曲线斜率最大点之后——既能减少计算量、加速收敛，又能避免过多目标框带来的误差。从图中可见，K=9是最优点，对应的目标框分别为(25,33)、(26,101)、(50,555)、(62,235)、(80,587)、(90,37)、(133,325)、(257,86)、(554,58)。

▲图 5 聚类分析曲线图

3 实验与分析

3.1 模型训练

实验平台配置见表2。训练基本参数：动量0.9，衰减系数0.0005，初始学习率0.0001，学习率调整策略为steps，最大迭代次数10000次。

表 2 实验平台

为提升识别准确率，我们采用多尺度训练方法改进训练流程，让模型逐步适应不同分辨率图像，从而更好地适配不同尺度的缺陷特征。具体步骤：

1) 使用312×312分辨率的铝型材图像预训练，获得初始权重；

2) 使用416×416分辨率的图像微调，适应中等分辨率缺陷特征；

3) 使用608×608分辨率的图像训练，自主调整各层权重，提高尺度不变性和鲁棒性。训练损失函数定义为：

Loss = lxyδ(x,y) + lwhδ(w,h) + lconfδ(conf) + lcδ(c) (3)

其中，δ(x,y)为中心坐标误差，δ(w,h)为宽高比误差，δ(conf)为置信度误差，δ(c)为类别误差，lxy、lwh、lconf、lc为相应权重系数。

图6是训练过程中的损失曲线。随着迭代次数增加，损失震荡下降，大约在8000次后趋于平稳。

▲图 6 损失曲线图

3.2 缺陷识别效果

使用测试集对训练后的模型进行评估，评价指标包括平均准确率AP、平均准确率均值mAP和平均识别时间t。AP衡量单个类别的性能，mAP衡量所有类别的平均性能，t为每张图像处理时间（毫秒）。AP和mAP的计算公式：

其中，Pinterp(R)是召回率R'≥R时准确率的最大值，N为类别总数。召回率R=TP/(TP+FN)，准确率P=TP/(TP+FP)。

将本文方法与YOLO、YOLOv2、YOLOv3、YOLOv3-tiny以及传统机器视觉方法进行对比，结果见表3。可以看出：对于擦花缺陷，只有YOLOv3的AP达到95.25%，其他方法均较低，YOLO甚至低于70%；在凸粉和漏底缺陷上，本文方法AP最高，分别达到95.75%和96.86%；碰凹缺陷特征明显，各方法AP均较高，本文方法达到100%。

表 3 不同方法性能对比

与YOLOv3、YOLOv2相比，本文网络更复杂，平均识别时间增加了7ms和29ms，但mAP分别提升了1.8%和6.76%。YOLOv3-tiny结构简单、速度快，但精度明显下降，mAP比本文低5.06%和3.24%。本文方法的mAP达到97.46%，比原YOLO提升了14.56%，比传统方法提升了3.96%。图7展示了不同方法的识别效果：原图、本文方法、YOLOv3、YOLOv3-tiny、YOLOv2、YOLO。YOLOv3-tiny对漏底缺陷AP虽高但仍有漏检；YOLOv2和YOLO在识别漏底和凸粉时也出现漏检，主要原因是缺少多尺度检测结构。相比之下，本文方法对测试图像中的8个擦花缺陷全部成功识别。识别时间方面，本文单图耗时45ms，虽然略有增加，但完全满足实时性要求。整体来看，本文方法在精度和速度上实现了最佳平衡。

▲图 7 不同方法对 4 种缺陷的识别效果图

综上所述，本文方法通过增加识别尺度，能够精确识别微小缺陷的位置和类别；通过重新聚类分析构建适合铝型材缺陷的初始目标框，并采用多尺度训练优化参数，有效适应不同尺度的缺陷特征。最终缺陷识别准确率达到97.46%，平均耗时45ms，能够同时满足精度和速度要求。

4 结论

铝型材表面缺陷形态复杂多变，严重制约模型识别效果。本文提出的基于YOLO的识别方法，通过图像增广解决了数据量不足和类别不均衡问题；通过增加预测尺度提升了小缺陷识别能力；通过重新聚类分析和多尺度训练优化了识别性能。实验表明，准确率达到97.46%，优于5种对比算法，且实时性好，可用于铝型材表面缺陷的快速准确识别，提高生产自动化水平和检测效率。

编辑：黄飞