如何为 AI 视觉检测标注缺陷：边界框标注指南

我们训练的第一个缺陷检测模型效果很差，而且是我们自己的错。照片没问题，模型也没问题。问题出在我们围绕缺陷画的框上，画得乱七八糟，而模型恰恰学会了我们教给它的东西，也就是混乱。

从那以后，我们标注了大量零件，与我们合作的人也一样，而反复出现的总是那么几件事。它们都不复杂，大多数一经点破就显而易见。这篇文章就是来点破它们的。

快速总结

从不同角度、不同距离、不同光照下拍摄，让模型学会的是缺陷本身，而不是拍摄环境。然后，标注每张图像中的每一个缺陷，每个框都要画紧，每次都用同样的方式标注，允许不同缺陷类型的框相互重叠，并先从细分的类别开始，之后再合并。在实践中，一个老老实实的大框胜过漏掉十个小框，杂乱的样本应该移出数据集，如果两个人会画出不同的框，那这个框多半就画错了。

拍照：一条原则

模型靠多样性学会举一反三。如果每张针孔照片都是在同一个位置、同一盏灯下拍的，模型学会的就是那个位置和那盏灯，等到第一次来了一个稍微转了角度的零件，它就开始犯嘀咕。所以在收集训练图像时，真正值得做的一件事就是：动起来。

不同角度。绕着缺陷走一圈，从几个方向拍摄。同一个针孔正面看和 45 度斜看是不一样的，这两种样子模型都应该见过。

不同光线和背景。明亮、昏暗、有阴影、在工作台上、在产线上。不断更换背景，模型才能学会忽略背景。

不同距离。走近一点，再退后一点。占满整个画面的缺陷和缩在角落里的一个小点，模型在生产中都会遇到。

如果您的相机固定在产线上，这些都不成问题。固定位置能带来非常一致的图像，模型在这一个视角上也会表现得非常好。只有当 iPhone 是手持使用，或者一个模型需要覆盖多个工位时，多样性才最为重要。

标注：五条基本原则

这些不是 Enao 自己定的规矩。它们适用于任何面向目标检测的图像标注，决定了您得到的是一个信心十足的模型，还是一个总要您再检查一遍的模型。

1. 标注图像中的每一个缺陷

这是我们最先犯的错误。如果一张图像里有三个缺陷，而您只框了两个，就等于告诉模型第三个是背景。在整个数据集里这样做几十次，真报警和误报警就会开始混淆，因为同一种图案既被当作缺陷，又被当作背景。只要您看得见，就把它框出来。

2. 把框紧贴缺陷画

留几个像素余量的紧贴框，能让模型学到完整的缺陷图案，而且只学到这些。框画小了，部分图案就丢了。框画松了，模型就得学会忽略那一大片背景，这需要的样本数量多到没人愿意去标注。紧贴的框恰好也画得更快，算是一个额外的好处。

3. 每次都用同样的方式标注

处理一簇小缺陷有两种完全可行的方法：要么每个缺陷单独画框，要么围绕整簇画一个框。两种都行。行不通的是两种方式混着用，因为这样模型看到同样的情况被标注成两种样子，就无从判断。选择您的团队更容易坚持一致的那种，并把它写下来。

4. 不同缺陷的框可以重叠

一道划痕从一个斑点旁边穿过，这再正常不过了。框出划痕，框出斑点，让它们重叠就好。部分重叠完全没有问题。要避免的是两个不同类别的框几乎完全叠在一起，因为这样模型根本无法学会这些像素属于哪个类别。

5. 先细分，后合并

如果您不确定深划痕、细划痕和擦痕应该算一个类别还是三个，那就先分成三个。之后合并只需点一下。而要拆分一个之前合在一起的类别，就得把所有标注重新过一遍。该合并的信号是模型总是把两个类别搞混，这通常说明在相机看来它们长得差不多，即使对您来说它们意味着不同的东西。

实践中：四条吃过亏才学到的经验

基本原则是规矩。下面这些则是只有当您真正坐下来画框时，才会遇到的判断。

缺陷很多，一个框就够

围着十五个小点画十五个小框要花很长时间，而且大概画到第十一个时，您就会漏掉一个。我们知道，因为我们就漏过。围绕整簇画一个老老实实的框更快，模型也不介意。一致性比小框更重要。

讲究效率，不要教条

有时正确的做法是给整簇画一个框，再给离群的那个单独画一个。没错，这就是混用了两种方式。但这仍然好过为了圈住离群点而画一个装满背景的巨大框，也好过画十五个单独的框却漏掉三个。所有规则背后的那条规则是：您的标注方式，要让下一个人也会用同样的方式标注。

把杂乱的样本踢出数据集

有些图像就是不可能一致地标注。三个缺陷相互重叠，边缘无法分开，五个人会画出五套不同的框。把这些图像拿掉，不用觉得可惜。两百张干净图像组成的数据集胜过一千张嘈杂的图像，而且模型在生产中照样能检测出重叠的缺陷。只是它不应该从这些图像中学习。

宁可多带背景，也不要主观的框

一道长划痕可以画成一个框，也可以画成六个短框，如果交给每个人自己决定，两种情况您都会遇到。一个多带一点背景的框，对每个人来说都是一样的。只要某个标注决定取决于谁握着鼠标，就把框画大，直到它不再取决于人为止。

需要多少张图像？

比您想象的少，前提是图像质量好。针对一个产品上的一种缺陷类型，25 到 50 张标注良好的图像通常就足以训练出第一个模型，您可以把它放到产线上并从中学习。让项目失败的往往不是图像太少，而是一百张图像用三种不同的方式标注。从小规模开始，仔细标注，做测试，然后在模型最薄弱的地方补充图像。

常见问题

什么是边界框标注？

就是在您希望模型找到的每个目标周围画一个矩形，在这里就是每个缺陷，让模型学会这个目标长什么样、通常出现在哪里。这是视觉检测中最常见的一种图像标注方式。

框里应该包含背景吗？

留几个像素的余量就够了，不要更多。足以让缺陷的边缘落在框内，但又不至于多到让模型得学会忽略周围环境。

部分被遮挡的缺陷该怎么标注？

紧贴着框出您能看到的部分，不要去猜其余部分。如果缺陷大部分都被遮住了，就要考虑这张图像到底该不该放进数据集。

良品也需要标注吗？

需要，方法就是不画框。没有缺陷、也没有框的图像能教会模型什么是正常的样子，您需要这类图像的程度，和需要缺陷图像一样。

如果两个人对某个标注有分歧怎么办？

这说明该改规则了，而不是选出一个赢家。把框画大、合并类别，或者去掉这个样本，直到两个人会画出同样的框为止。

在您自己的零件上试试

要验证这些方法是否站得住脚，最好的办法就是给您自己产线上的某个零件标注 25 张图像，然后用它们训练一个模型。试用演示，无需注册，只要六十秒，或者免费开始使用。