简介面向建筑安全检测、道路巡检及计算机视觉初学者的一套Python裂缝识别项目基于PyQt5实现可视化交互界面将边缘检测、形态学处理与深度学习分割技术整合到裂缝标注流程中可辅助用户快速定位裂缝、手动校正确认。压缩包共40个文件大小5.14MB含10个Python源文件主程序、FCN网络及TensorFlow工具、3个Qt界面ui文件、12张JPG原图与标注图、6张PNG素材和图标并附配置、脚本及说明文档目录层次明确便于按功能检索。该项目已有6593人学习下载。借助完整源码读者既能复现从普通图像到裂缝掩膜的生成过程也能了解PyQt5界面与算法模块的对接方式适合用于课程设计、毕业设计或相关工程预研的参考基线。1. 裂缝识别用 Python 做第一件要认清的事第一次接触裂缝识别最容易踩的坑是直接上深度学习模型调了很久精度都不动最后发现瓶颈在训练数据上——裂缝在一张 4000×3000 的照片里往往只占不到 1% 的像素模型稍微偷懒就把裂缝学成背景。这个标题要解决的就是用 Python 把裂缝识别从「图像输入」做到「量化结果输出」的完整链路先用开源视觉库把传统算法基线跑起来再决定要不要上深度学习——分类还是分割分割后又如何把掩码变成裂缝宽度和长度。适合做道路、桥隧、建筑外观巡检的视觉工程师和数据标注团队参考。下面按这套路线逐层展开。2. 用 OpenCV 在本地跑通最小裂缝识别流程先明确一点OpenCV 这条路线不是过时方案。在固定机位、固定光源的生产线上传统算法速度更快、部署成本更低很多时候已经够用。动手之前把环境装干净pip install opencv-python numpy。opencv-python 自带了大部分图像处理模块numpy 用于掩码运算和连通域统计。装好后按下面顺序处理单张图片。2.1 灰度与光照校正顶帽变换把裂缝从背景里拉出来裂缝在灰度图上通常是暗色细线但室外拍摄的照片存在大量光照不均直接做阈值分割会把暗角、阴影一并当成裂缝。常见做法是先用形态学顶帽变换MORPH_TOPHAT分离出「局部暗结构」让裂缝区域与平稳背景在灰度上彻底分开import cv2 import numpy as np img cv2.imread(crack_sample.jpg, cv2.IMREAD_GRAYSCALE) # 顶帽变换 原图 - 开运算结果提取小于核尺寸的暗结构 kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (15, 15)) tophat cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) # 归一化到 0~255方便后续 Canny 计算梯度 tophat cv2.normalize(tophat, None, 0, 255, cv2.NORM_MINMAX)核尺寸是这一步第一个要调的参数。核选 15×15提取的是尺度小于 15 像素的暗目标适合理想宽度 2~5 像素的裂缝如果原图分辨率高裂缝成像宽度到了 10 像素以上核要加大到 25 或 31否则顶帽结果会把裂缝内部灰度差当成两种结构后续分割反而碎掉。反过来核取 5×5混凝土表面的小气孔会被成片提取噪声成倍增加。做完可以cv2.imwrite(tophat.png, tophat)先看一眼中间结果裂缝区域应该比背景明显更亮背景平坦。看不到这个效果问题多半在核尺寸不是算法本身。2.2 Canny 边缘与形态学闭合断缝接上噪声去掉顶帽输出仍是灰度图下一步要得到二值裂缝线。Canny 在这里有两个作用用双阈值把「一定是边缘」和「可能是边缘」分开用梯度方向抑制让输出保持为细线。裂缝边缘对比度低minVal 太高容易断线我一般从 50 开始调edges cv2.Canny(tophat, 50, 150) # minVal:maxVal 保持 1:2~1:3 # 闭运算先膨胀再腐蚀连接 Canny 留下的断裂处 kernel_morph cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) closed cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel_morph, iterations2) # 开运算先腐蚀再膨胀去掉孤立噪点 cleaned cv2.morphologyEx(closed, cv2.MORPH_OPEN, kernel_morph, iterations1)这里有个新手容易搞反的顺序必须先闭运算再接开运算。闭运算连接的是真实裂缝上的断点开运算清的是背景小气泡产生的孤立点。反过来先开后闭该断的裂缝依然断噪声倒可能被后续闭运算重新连成假裂缝。Canny 双阈值与形态学核的推荐区间整理成下表参数取值范围调参依据Canny minVal40~60太低噪声多太高细裂缝断裂Canny maxVal120~180与 minVal 保持 1:2~1:3 比例闭运算核大小5×5~9×9接近裂缝最大成像宽度开运算核大小3×3~5×5略小于闭运算核iterations1~3迭代多会把相邻裂缝连通成片2.3 连通域过滤面积和宽高比怎么定才不漏检形态学做完图上还会残留大量离散亮点。裂缝的几何特征是「长而窄」用连通域面积和外接矩形宽高比可以把大部分非裂缝成分滤掉num_labels, labels, stats, centroids cv2.connectedComponentsWithStats( cleaned, connectivity8 ) mask np.zeros_like(cleaned) for i in range(1, num_labels): x, y, w, h, area stats[i] # 裂缝通常是长条形面积足够且外接矩形宽高比明显 aspect max(w, h) / max(1, min(w, h)) if area 200 and aspect 3: mask[labels i] 255area 200表示连通域至少 200 像素适合千万像素级的输入图aspect 3表示最长边至少是最短边 3 倍。水平和竖直裂缝都满足条件但斜向 45° 的裂缝外接矩形宽高比会明显变小容易漏检。对斜向裂缝改用cv2.minAreaRect算最小外接矩形再取旋转矩形的宽高比召回会好很多。提示传统流程在固定光源下召回能做到 85% 以上一旦换场景必须重新标定顶帽核尺寸和面积阈值。这就是大多数项目先跑传统基线、再决定上不上深度学习的原因。3. 深度学习裂缝识别分类和分割要分开选3.1 为什么传统算法在真实场景容易崩传统算法的本质是「暗、细、长」的几何先验真实巡检场景里满足这三条的不只有裂缝模板缝、施工缝、水渍边缘、阴影边界会以高响应通过全部过滤。桥隧检测中光斑和影子远比裂缝常见传统方案的误检率会高到没法直接用。选深度学习路线前先确认任务类型只想知道「这张图有没有裂缝」二分类网络就够想知道「裂缝在哪、多宽、多长」必须做像素级分割。把分割任务当分类训练是常见错误——分类网络的热力图只能给出大概响应区域定位误差在十几个像素量级后续宽度测量完全不可用。3.2 基于 U-Net 的裂缝分割最小实现裂缝分割目前最稳的起点是 U-Net。它结构简单、对数据量要求低几百张标注图配合数据增强就能训出可用模型。这里给出一个简化实现保留编码器、解码器和跳过连接三个核心import torch import torch.nn as nn class ConvBlock(nn.Module): def __init__(self, in_c, out_c): super().__init__() self.conv nn.Sequential( nn.Conv2d(in_c, out_c, 3, padding1), nn.BatchNorm2d(out_c), nn.ReLU(inplaceTrue), nn.Conv2d(out_c, out_c, 3, padding1), nn.BatchNorm2d(out_c), nn.ReLU(inplaceTrue), ) def forward(self, x): return self.conv(x) class SimpleUNet(nn.Module): def __init__(self): super().__init__() self.enc1 ConvBlock(1, 32) # 输入单通道灰度图 self.enc2 ConvBlock(32, 64) self.pool nn.MaxPool2d(2) self.dec2 ConvBlock(64, 64) # 上采样后的 64 通道与编码器 32 通道拼接共 96 通道 self.head nn.Conv2d(64 32, 1, 1) def forward(self, x): e1 self.enc1(x) e2 self.enc2(self.pool(e1)) # 双线性上采样后与编码器输出拼接保留边缘细节 d2 nn.functional.interpolate(self.dec2(e2), scale_factor2, modebilinear) d2 torch.cat([d2, e1], dim1) return self.head(d2)注意self.head的输入通道是64 32来自解码器上采样结果与e1的拼接。跳过连接必须保留裂缝分割最怕丢失边界编码器保存的边缘细节全靠它带回解码器。这个简化版只有两层编码实际训练建议用完整四层 U-Net否则感受野不够长度超过 200 像素的裂缝中间容易断开。3.3 训练参数与数据增强数据比模型更关键裂缝分割里正样本像素占比常常低于 1%单独使用 BCE 损失会让模型快速收敛到「全图输出背景」。常见做法是 BCE Dice 组合损失def bce_dice_loss(pred, target, smooth1.0): bce nn.functional.binary_cross_entropy_with_logits(pred, target) pred_prob torch.sigmoid(pred) intersect (pred_prob * target).sum() dice 1 - (2 * intersect smooth) / (pred_prob.sum() target.sum() smooth) return bce diceDice 项不依赖前景绝对像素数只关心预测掩码与真实掩码的空间重叠在前景极少的场景比单独 BCE 稳定得多。训练集用公开数据集 CrackForest 或 DeepCrack 时先确认标注图与高清原图对齐——这两个数据集的标注裂缝常存在 1~2 像素偏移直接影响后续宽度测量。常用训练参数如下参数推荐值说明输入尺寸256×256过小裂缝断过大显存占用高batch size8~16按显卡显存调整初始学习率1e-4Adam 配合 cosine 衰减训练轮数60~100小数据集 60 轮基本收敛数据增强旋转/弹性形变/亮度抖动亮度扰动对阴影误检最有效4. 裂缝识别工程化批量预测、模型导出与排错模型训练完成只是开始工程化决定项目能否落地。这里说清楚批量处理、部署和几个高频故障。4.1 滑窗切片与批处理脚本实际检测中相机原图常是 4000×3000 甚至更大直接整图推理要么显存不够要么小裂缝被压缩尺寸抹掉。我一般用 512×512 的滑窗步长 256重叠 50%推理后把每个窗口掩码贴回原图坐标重叠区取最大值而不是平均def sliding_window(image, window512, step256): h, w image.shape[:2] for y in range(0, h - window 1, step): for x in range(0, w - window 1, step): yield x, y, image[y:ywindow, x:xwindow] def reconstruct_mask(model, image, window512, step256): h, w image.shape[:2] mask np.zeros((h, w), dtypenp.float32) for x, y, patch in sliding_window(image, window, step): # 推理前做与训练一致的归一化 blob patch.astype(np.float32) / 255.0 with torch.no_grad(): pred torch.sigmoid(model(torch.from_numpy(blob).unsqueeze(0).unsqueeze(0))) mask[y:ywindow, x:xwindow] np.maximum( mask[y:ywindow, x:xwindow], pred.squeeze().numpy() ) return mask重叠区用np.maximum取置信度最高的预测避免裂缝在窗口接缝处被拉淡。步长越大速度越快但裂缝恰好落在接缝处的概率越高建议保留至少 25% 重叠。4.2 导出 ONNX 并用 FastAPI 部署识别接口部署端不装 PyTorch 是减少运维成本的常见选择。把训练好的模型导出为 ONNX再用 onnxruntime 推理依赖体积和启动时间都会显著下降model.eval() dummy torch.randn(1, 1, 256, 256) torch.onnx.export( model, dummy, crack.onnx, input_names[input], output_names[mask], dynamic_axes{input: {0: batch}, mask: {0: batch}}, opset_version13, )dynamic_axes指定 batch 维可变接口层可以一次传一批图片opset 13 兼容性好生产环境不用追新。导出后用 FastAPI 包成图片上传接口import cv2 import numpy as np import onnxruntime as ort from fastapi import FastAPI, UploadFile session ort.InferenceSession(crack.onnx, providers[CPUExecutionProvider]) app FastAPI() app.post(/predict) def predict(file: UploadFile): data file.read() img cv2.imdecode(np.frombuffer(data, np.uint8), cv2.IMREAD_GRAYSCALE) img cv2.resize(img, (256, 256)) blob img.astype(np.float32).reshape(1, 1, 256, 256) / 255.0 mask session.run(None, {input: blob})[0][0, 0] return {crack_ratio: float(mask.mean())}session.run第一个参数写None表示取全部输出如果 ONNX 图里加了后处理节点可以传指定输出名只取需要的结果。这里的crack_ratio是裂缝像素占比作为巡检筛选指标要配合面积阈值使用单独看占比会被不同拍摄距离干扰。注意FastAPI 的async def路由跑在事件循环里图片解码这类 CPU 密集操作会阻塞其他请求。没有异步 IO 需求时用普通def更稳FastAPI 会自动丢到线程池执行。4.3 工程里最容易踩的坑把现场常见的故障整理成一张排查表现象原因处理方式分割结果大片全黑正样本过低BCE 主导换 BCEDice或给裂缝像素加权重训练精度高实拍全错训练是近拍图推理是广角图保证两端成像距离和视角一致裂缝在窗口接缝处断开滑窗无重叠或重叠过小step 降到窗口尺寸的 50%模板缝被识别成裂缝模型没学到语义差异收集模板缝负样本加入训练CPU 推理比训练慢很多直接跑 PyTorch 未优化模型换 ONNX Runtime 或 OpenVINO5. 裂缝识别之后用骨架提取和距离变换量化宽度分割模型输出的二值掩码只能回答「哪里有裂缝」工程验收还需要「这条裂缝多宽、多长」。掩码内部宽度不均直接统计面积不够直观我一般先用细化算法提取单像素宽的骨架中心线再沿骨架线测宽。先对分割掩码细化常见做法是 scikit-image 的skeletonize内部实现的是 Zhang-Suen 细化算法from skimage.morphology import skeletonize skeleton skeletonize(mask 0) # mask 为二值数组细化后骨架线会带少量小分支来自裂缝表面的毛刺。测宽前先对小分支做剪枝剪枝阈值取图像中位裂缝宽度的 2~3 倍否则宽度统计会被毛刺拉偏。宽度测量基于距离变换每个前景像素到最近背景像素的距离在骨架点上取值并乘以 2就是该处的裂缝近似宽度import cv2 import numpy as np dist cv2.distanceTransform((mask 0).astype(np.uint8), cv2.DIST_L2, 5) skeleton skeletonize(mask 0) width_px dist[skeleton] * 2 # 直径 2 × 半径 valid width_px[width_px 0] mean_width valid.mean() max_width valid.max()cv2.DIST_L2表示欧氏距离5是距离变换的掩码参数取 3 或 5 均可。这里有个容易忽略的点距离变换得到的是像素数要换算成毫米必须在拍摄平面放一个已知尺寸的标定物用scale 实际尺寸(毫米) / 像素数换算。只关心面积变化趋势时可以跳过标定。最后还有一个成本极低的优化对模型输出概率做阈值搜索不要固定用 0.5。在验证集上按 IoU 从 0.3 到 0.5 每 0.01 扫一遍best_th 0.5 best_iou 0.0 for th in np.arange(0.3, 0.51, 0.01): bin_mask (prob th).astype(np.uint8) inter np.logical_and(bin_mask, gt).sum() union np.logical_or(bin_mask, gt).sum() iou inter / union if iou best_iou: best_iou iou best_th th把裂缝面积占比、平均宽度、最大宽度、骨架总长连同图片名一起落到 CSV 或数据库字段里后续质量趋势分析就都从这张表出不用再重新跑模型。本文还有配套的精品资源点击获取
从OpenCV到U-Net：Python实现裂缝识别的完整工程指南
简介面向建筑安全检测、道路巡检及计算机视觉初学者的一套Python裂缝识别项目基于PyQt5实现可视化交互界面将边缘检测、形态学处理与深度学习分割技术整合到裂缝标注流程中可辅助用户快速定位裂缝、手动校正确认。压缩包共40个文件大小5.14MB含10个Python源文件主程序、FCN网络及TensorFlow工具、3个Qt界面ui文件、12张JPG原图与标注图、6张PNG素材和图标并附配置、脚本及说明文档目录层次明确便于按功能检索。该项目已有6593人学习下载。借助完整源码读者既能复现从普通图像到裂缝掩膜的生成过程也能了解PyQt5界面与算法模块的对接方式适合用于课程设计、毕业设计或相关工程预研的参考基线。1. 裂缝识别用 Python 做第一件要认清的事第一次接触裂缝识别最容易踩的坑是直接上深度学习模型调了很久精度都不动最后发现瓶颈在训练数据上——裂缝在一张 4000×3000 的照片里往往只占不到 1% 的像素模型稍微偷懒就把裂缝学成背景。这个标题要解决的就是用 Python 把裂缝识别从「图像输入」做到「量化结果输出」的完整链路先用开源视觉库把传统算法基线跑起来再决定要不要上深度学习——分类还是分割分割后又如何把掩码变成裂缝宽度和长度。适合做道路、桥隧、建筑外观巡检的视觉工程师和数据标注团队参考。下面按这套路线逐层展开。2. 用 OpenCV 在本地跑通最小裂缝识别流程先明确一点OpenCV 这条路线不是过时方案。在固定机位、固定光源的生产线上传统算法速度更快、部署成本更低很多时候已经够用。动手之前把环境装干净pip install opencv-python numpy。opencv-python 自带了大部分图像处理模块numpy 用于掩码运算和连通域统计。装好后按下面顺序处理单张图片。2.1 灰度与光照校正顶帽变换把裂缝从背景里拉出来裂缝在灰度图上通常是暗色细线但室外拍摄的照片存在大量光照不均直接做阈值分割会把暗角、阴影一并当成裂缝。常见做法是先用形态学顶帽变换MORPH_TOPHAT分离出「局部暗结构」让裂缝区域与平稳背景在灰度上彻底分开import cv2 import numpy as np img cv2.imread(crack_sample.jpg, cv2.IMREAD_GRAYSCALE) # 顶帽变换 原图 - 开运算结果提取小于核尺寸的暗结构 kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (15, 15)) tophat cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel) # 归一化到 0~255方便后续 Canny 计算梯度 tophat cv2.normalize(tophat, None, 0, 255, cv2.NORM_MINMAX)核尺寸是这一步第一个要调的参数。核选 15×15提取的是尺度小于 15 像素的暗目标适合理想宽度 2~5 像素的裂缝如果原图分辨率高裂缝成像宽度到了 10 像素以上核要加大到 25 或 31否则顶帽结果会把裂缝内部灰度差当成两种结构后续分割反而碎掉。反过来核取 5×5混凝土表面的小气孔会被成片提取噪声成倍增加。做完可以cv2.imwrite(tophat.png, tophat)先看一眼中间结果裂缝区域应该比背景明显更亮背景平坦。看不到这个效果问题多半在核尺寸不是算法本身。2.2 Canny 边缘与形态学闭合断缝接上噪声去掉顶帽输出仍是灰度图下一步要得到二值裂缝线。Canny 在这里有两个作用用双阈值把「一定是边缘」和「可能是边缘」分开用梯度方向抑制让输出保持为细线。裂缝边缘对比度低minVal 太高容易断线我一般从 50 开始调edges cv2.Canny(tophat, 50, 150) # minVal:maxVal 保持 1:2~1:3 # 闭运算先膨胀再腐蚀连接 Canny 留下的断裂处 kernel_morph cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) closed cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel_morph, iterations2) # 开运算先腐蚀再膨胀去掉孤立噪点 cleaned cv2.morphologyEx(closed, cv2.MORPH_OPEN, kernel_morph, iterations1)这里有个新手容易搞反的顺序必须先闭运算再接开运算。闭运算连接的是真实裂缝上的断点开运算清的是背景小气泡产生的孤立点。反过来先开后闭该断的裂缝依然断噪声倒可能被后续闭运算重新连成假裂缝。Canny 双阈值与形态学核的推荐区间整理成下表参数取值范围调参依据Canny minVal40~60太低噪声多太高细裂缝断裂Canny maxVal120~180与 minVal 保持 1:2~1:3 比例闭运算核大小5×5~9×9接近裂缝最大成像宽度开运算核大小3×3~5×5略小于闭运算核iterations1~3迭代多会把相邻裂缝连通成片2.3 连通域过滤面积和宽高比怎么定才不漏检形态学做完图上还会残留大量离散亮点。裂缝的几何特征是「长而窄」用连通域面积和外接矩形宽高比可以把大部分非裂缝成分滤掉num_labels, labels, stats, centroids cv2.connectedComponentsWithStats( cleaned, connectivity8 ) mask np.zeros_like(cleaned) for i in range(1, num_labels): x, y, w, h, area stats[i] # 裂缝通常是长条形面积足够且外接矩形宽高比明显 aspect max(w, h) / max(1, min(w, h)) if area 200 and aspect 3: mask[labels i] 255area 200表示连通域至少 200 像素适合千万像素级的输入图aspect 3表示最长边至少是最短边 3 倍。水平和竖直裂缝都满足条件但斜向 45° 的裂缝外接矩形宽高比会明显变小容易漏检。对斜向裂缝改用cv2.minAreaRect算最小外接矩形再取旋转矩形的宽高比召回会好很多。提示传统流程在固定光源下召回能做到 85% 以上一旦换场景必须重新标定顶帽核尺寸和面积阈值。这就是大多数项目先跑传统基线、再决定上不上深度学习的原因。3. 深度学习裂缝识别分类和分割要分开选3.1 为什么传统算法在真实场景容易崩传统算法的本质是「暗、细、长」的几何先验真实巡检场景里满足这三条的不只有裂缝模板缝、施工缝、水渍边缘、阴影边界会以高响应通过全部过滤。桥隧检测中光斑和影子远比裂缝常见传统方案的误检率会高到没法直接用。选深度学习路线前先确认任务类型只想知道「这张图有没有裂缝」二分类网络就够想知道「裂缝在哪、多宽、多长」必须做像素级分割。把分割任务当分类训练是常见错误——分类网络的热力图只能给出大概响应区域定位误差在十几个像素量级后续宽度测量完全不可用。3.2 基于 U-Net 的裂缝分割最小实现裂缝分割目前最稳的起点是 U-Net。它结构简单、对数据量要求低几百张标注图配合数据增强就能训出可用模型。这里给出一个简化实现保留编码器、解码器和跳过连接三个核心import torch import torch.nn as nn class ConvBlock(nn.Module): def __init__(self, in_c, out_c): super().__init__() self.conv nn.Sequential( nn.Conv2d(in_c, out_c, 3, padding1), nn.BatchNorm2d(out_c), nn.ReLU(inplaceTrue), nn.Conv2d(out_c, out_c, 3, padding1), nn.BatchNorm2d(out_c), nn.ReLU(inplaceTrue), ) def forward(self, x): return self.conv(x) class SimpleUNet(nn.Module): def __init__(self): super().__init__() self.enc1 ConvBlock(1, 32) # 输入单通道灰度图 self.enc2 ConvBlock(32, 64) self.pool nn.MaxPool2d(2) self.dec2 ConvBlock(64, 64) # 上采样后的 64 通道与编码器 32 通道拼接共 96 通道 self.head nn.Conv2d(64 32, 1, 1) def forward(self, x): e1 self.enc1(x) e2 self.enc2(self.pool(e1)) # 双线性上采样后与编码器输出拼接保留边缘细节 d2 nn.functional.interpolate(self.dec2(e2), scale_factor2, modebilinear) d2 torch.cat([d2, e1], dim1) return self.head(d2)注意self.head的输入通道是64 32来自解码器上采样结果与e1的拼接。跳过连接必须保留裂缝分割最怕丢失边界编码器保存的边缘细节全靠它带回解码器。这个简化版只有两层编码实际训练建议用完整四层 U-Net否则感受野不够长度超过 200 像素的裂缝中间容易断开。3.3 训练参数与数据增强数据比模型更关键裂缝分割里正样本像素占比常常低于 1%单独使用 BCE 损失会让模型快速收敛到「全图输出背景」。常见做法是 BCE Dice 组合损失def bce_dice_loss(pred, target, smooth1.0): bce nn.functional.binary_cross_entropy_with_logits(pred, target) pred_prob torch.sigmoid(pred) intersect (pred_prob * target).sum() dice 1 - (2 * intersect smooth) / (pred_prob.sum() target.sum() smooth) return bce diceDice 项不依赖前景绝对像素数只关心预测掩码与真实掩码的空间重叠在前景极少的场景比单独 BCE 稳定得多。训练集用公开数据集 CrackForest 或 DeepCrack 时先确认标注图与高清原图对齐——这两个数据集的标注裂缝常存在 1~2 像素偏移直接影响后续宽度测量。常用训练参数如下参数推荐值说明输入尺寸256×256过小裂缝断过大显存占用高batch size8~16按显卡显存调整初始学习率1e-4Adam 配合 cosine 衰减训练轮数60~100小数据集 60 轮基本收敛数据增强旋转/弹性形变/亮度抖动亮度扰动对阴影误检最有效4. 裂缝识别工程化批量预测、模型导出与排错模型训练完成只是开始工程化决定项目能否落地。这里说清楚批量处理、部署和几个高频故障。4.1 滑窗切片与批处理脚本实际检测中相机原图常是 4000×3000 甚至更大直接整图推理要么显存不够要么小裂缝被压缩尺寸抹掉。我一般用 512×512 的滑窗步长 256重叠 50%推理后把每个窗口掩码贴回原图坐标重叠区取最大值而不是平均def sliding_window(image, window512, step256): h, w image.shape[:2] for y in range(0, h - window 1, step): for x in range(0, w - window 1, step): yield x, y, image[y:ywindow, x:xwindow] def reconstruct_mask(model, image, window512, step256): h, w image.shape[:2] mask np.zeros((h, w), dtypenp.float32) for x, y, patch in sliding_window(image, window, step): # 推理前做与训练一致的归一化 blob patch.astype(np.float32) / 255.0 with torch.no_grad(): pred torch.sigmoid(model(torch.from_numpy(blob).unsqueeze(0).unsqueeze(0))) mask[y:ywindow, x:xwindow] np.maximum( mask[y:ywindow, x:xwindow], pred.squeeze().numpy() ) return mask重叠区用np.maximum取置信度最高的预测避免裂缝在窗口接缝处被拉淡。步长越大速度越快但裂缝恰好落在接缝处的概率越高建议保留至少 25% 重叠。4.2 导出 ONNX 并用 FastAPI 部署识别接口部署端不装 PyTorch 是减少运维成本的常见选择。把训练好的模型导出为 ONNX再用 onnxruntime 推理依赖体积和启动时间都会显著下降model.eval() dummy torch.randn(1, 1, 256, 256) torch.onnx.export( model, dummy, crack.onnx, input_names[input], output_names[mask], dynamic_axes{input: {0: batch}, mask: {0: batch}}, opset_version13, )dynamic_axes指定 batch 维可变接口层可以一次传一批图片opset 13 兼容性好生产环境不用追新。导出后用 FastAPI 包成图片上传接口import cv2 import numpy as np import onnxruntime as ort from fastapi import FastAPI, UploadFile session ort.InferenceSession(crack.onnx, providers[CPUExecutionProvider]) app FastAPI() app.post(/predict) def predict(file: UploadFile): data file.read() img cv2.imdecode(np.frombuffer(data, np.uint8), cv2.IMREAD_GRAYSCALE) img cv2.resize(img, (256, 256)) blob img.astype(np.float32).reshape(1, 1, 256, 256) / 255.0 mask session.run(None, {input: blob})[0][0, 0] return {crack_ratio: float(mask.mean())}session.run第一个参数写None表示取全部输出如果 ONNX 图里加了后处理节点可以传指定输出名只取需要的结果。这里的crack_ratio是裂缝像素占比作为巡检筛选指标要配合面积阈值使用单独看占比会被不同拍摄距离干扰。注意FastAPI 的async def路由跑在事件循环里图片解码这类 CPU 密集操作会阻塞其他请求。没有异步 IO 需求时用普通def更稳FastAPI 会自动丢到线程池执行。4.3 工程里最容易踩的坑把现场常见的故障整理成一张排查表现象原因处理方式分割结果大片全黑正样本过低BCE 主导换 BCEDice或给裂缝像素加权重训练精度高实拍全错训练是近拍图推理是广角图保证两端成像距离和视角一致裂缝在窗口接缝处断开滑窗无重叠或重叠过小step 降到窗口尺寸的 50%模板缝被识别成裂缝模型没学到语义差异收集模板缝负样本加入训练CPU 推理比训练慢很多直接跑 PyTorch 未优化模型换 ONNX Runtime 或 OpenVINO5. 裂缝识别之后用骨架提取和距离变换量化宽度分割模型输出的二值掩码只能回答「哪里有裂缝」工程验收还需要「这条裂缝多宽、多长」。掩码内部宽度不均直接统计面积不够直观我一般先用细化算法提取单像素宽的骨架中心线再沿骨架线测宽。先对分割掩码细化常见做法是 scikit-image 的skeletonize内部实现的是 Zhang-Suen 细化算法from skimage.morphology import skeletonize skeleton skeletonize(mask 0) # mask 为二值数组细化后骨架线会带少量小分支来自裂缝表面的毛刺。测宽前先对小分支做剪枝剪枝阈值取图像中位裂缝宽度的 2~3 倍否则宽度统计会被毛刺拉偏。宽度测量基于距离变换每个前景像素到最近背景像素的距离在骨架点上取值并乘以 2就是该处的裂缝近似宽度import cv2 import numpy as np dist cv2.distanceTransform((mask 0).astype(np.uint8), cv2.DIST_L2, 5) skeleton skeletonize(mask 0) width_px dist[skeleton] * 2 # 直径 2 × 半径 valid width_px[width_px 0] mean_width valid.mean() max_width valid.max()cv2.DIST_L2表示欧氏距离5是距离变换的掩码参数取 3 或 5 均可。这里有个容易忽略的点距离变换得到的是像素数要换算成毫米必须在拍摄平面放一个已知尺寸的标定物用scale 实际尺寸(毫米) / 像素数换算。只关心面积变化趋势时可以跳过标定。最后还有一个成本极低的优化对模型输出概率做阈值搜索不要固定用 0.5。在验证集上按 IoU 从 0.3 到 0.5 每 0.01 扫一遍best_th 0.5 best_iou 0.0 for th in np.arange(0.3, 0.51, 0.01): bin_mask (prob th).astype(np.uint8) inter np.logical_and(bin_mask, gt).sum() union np.logical_or(bin_mask, gt).sum() iou inter / union if iou best_iou: best_iou iou best_th th把裂缝面积占比、平均宽度、最大宽度、骨架总长连同图片名一起落到 CSV 或数据库字段里后续质量趋势分析就都从这张表出不用再重新跑模型。本文还有配套的精品资源点击获取
