企业官网建设流程全解析

简介：面向Python计算机视觉与地质图像分析领域的课程设计、期末大作业场景，这份资源围绕岩石裂缝与CT岩心裂缝的语义分割问题，提供了一套可运行的Python源码及配套数据集。语义分割需对图像逐像素分类，项目涉及PIL、OpenCV、TensorFlow/PyTorch等常用工具，并包含CT岩心无损检测图像的裂缝识别与量化思路，便于学习者将计算机视觉方法落地到实际岩土工程场景。压缩包共14个文件，以JPG图像样本、Python脚本、备份文件及Markdown说明文档为主，整体大小约1.13MB；其中图像样本涵盖岩石、混凝土、CT扫描原始图及对应的标注图，脚本则覆盖数据增强、均值计算等预处理环节，辅助完成从数据准备到模型训练的分割流程。目前已有171人学习下载，适合需要快速上手语义分割项目、完成课程设计或期末作业的Python及深度学习初学者参考复用。

1. 岩心CT裂缝分割：为什么通用分割模型直接跑会翻车

拿到一份“Python岩石裂缝与CT岩心裂缝语义分割源码及数据集”，本质上就是给你一套能跑的Python分割工程：输入是工业CT扫描得到的岩心切片，输出是逐像素的裂缝掩膜。真正动手后你会发现，这和你平时在自然照片上做的语义分割完全不是一个难度量级。CT切片是16位灰度图，裂缝往往只有几个像素宽，裂缝面积可能占不到整张图的1%，直接用现成的DeepLabV3+权重去推理，常常整张图预测成背景，裂缝全部漏掉。这套资源适合两类人：一类是拿它做课程设计或期末大作业的学生，另一类是做岩石物理、地质分析但刚接触分割模型的从业者。想复现出能用的效果，需要按顺序过数据关、训练关和推理关。

2. 数据集整理与标注转换：从原始CT切片到可训练样本

2.1 数据集目录结构与命名约定

拿到源码包之后，第一件事不是急着读模型代码，而是先清点数据集目录。CT岩心裂缝数据集的常见组织方式是图像和掩膜分开放，命名一一对应。比如：

data/ images/ sample_001.tif sample_002.tif masks/ sample_001.png sample_002.png

这里最容易踩的第一个坑是图像格式。images目录里的CT切片经常是16位TIFF，甚至有些原始数据是DICOM格式，而masks目录里的标签是8位PNG。如果直接用cv2.imread默认参数读图，16位灰度会被直接截断成8位，裂缝的灰度细节丢失，后面训练效果会打折扣。

我习惯先用一段脚本把数据集的真实情况摸清楚：

import cv2 import glob image_paths = sorted(glob.glob("data/images/*.tif")) mask_paths = sorted(glob.glob("data/masks/*.png")) for img_p, mask_p in zip(image_paths[:5], mask_paths[:5]): img = cv2.imread(img_p, cv2.IMREAD_UNCHANGED) mask = cv2.imread(mask_p, cv2.IMREAD_GRAYSCALE) print("img", img_p, img.shape, img.dtype, img.min(), img.max()) print("mask", mask_p, mask.shape, mask.dtype, mask.min(), mask.max())

这段代码有两个关键点：读图像时用cv2.IMREAD_UNCHANGED，这样才能把16位TIFF的原始灰度范围保留下来；读掩膜时用cv2.IMREAD_GRAYSCALE，确保标签是单通道。输出里如果mask的最大值是255而不是1，说明标注脚本保存时用了255代表前景，后面在计算损失函数时需要统一除以255，否则二分类标签不是[0,1]，Dice Loss计算会出错。

命名对应关系同样需要确认。sorted只能保证文件名按字符串排序，但如果有某个文件缺失或者命名后缀不一致，用zip对齐时会悄悄错位。建议在正式训练前随机取5组数据，用下面这段代码把图像和掩膜叠加起来保存成预览图，肉眼确认裂缝位置是否对齐：

import cv2 import numpy as np def check_alignment(img_path, mask_path, out_path): img = cv2.imread(img_path, cv2.IMREAD_UNCHANGED) mask = cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) # 16位转8位预览 img_8u = ((img - img.min()) / (img.max() - img.min()) * 255).astype(np.uint8) img_bgr = cv2.cvtColor(img_8u, cv2.COLOR_GRAY2BGR) img_bgr[mask > 0] = (0, 0, 255) cv2.imwrite(out_path, img_bgr) check_alignment("data/images/sample_001.tif", "data/masks/sample_001.png", "check_001.png")

这一步虽然简单，但能省掉后面排查标签错位的几个小时。CT岩心切片有个特殊性：相邻切片的空间相关性很强，同一块岩心连续切出来的几十张图内容非常相似。如果按图像文件随机划分训练集和验证集，验证集会间接混入训练集的信息，导致验证Dice虚高。正确做法是按岩心块ID划分数据，后面避坑章节会详细展开。

2.2 标注格式确认与转换：JSON Polygon 转 PNG Masks

如果源码包里的标签已经是PNG掩膜，这步可以直接跳过。但很多课程设计和论文复现场景，标注是用LabelMe这类工具画的，导出的是JSON文件。JSON里存的是每个裂缝的多边形坐标，训练前必须转成稠密的像素级掩膜。

下面这段是我常用的转换脚本：

import json import cv2 import numpy as np def labelme_json_to_mask(json_path, img_shape, out_mask_path): with open(json_path, "r", encoding="utf-8") as f: data = json.load(f) # img_shape 取原图的高和宽 mask = np.zeros((img_shape[0], img_shape[1]), dtype=np.uint8) for shape in data["shapes"]: # 有的标注会把裂缝标成 polygon，有的标成 line if shape["label"] in ("fracture", "crack", "裂缝"): points = np.array(shape["points"], dtype=np.int32) # 用多边形填充，保证裂缝内部全部是前景 cv2.fillPoly(mask, [points], 1) cv2.imwrite(out_mask_path, mask) with open("label.json", "r", encoding="utf-8") as f: data = json.load(f) img_shape = (data["imageHeight"], data["imageWidth"]) labelme_json_to_mask("label.json", img_shape, "mask.png")

这里有两个容易翻车的细节。第一个是points的坐标类型必须是np.int32，fillPoly不接受浮点数，很多人直接传原始坐标导致报错。第二个是标签值统一填充为1，这样后面训练时mask就是[0,1]二值图，不用再在损失函数里做一次除法。如果你拿到的JSON是COCO格式而不是LabelMe格式，思路一样：先从annotations里取出多边形坐标，再fillPoly，只是字段名不同。

转换完成后还要检查一次mask的完整性。裂缝是细长条状，偶尔标注时一个裂缝被分成了多个多边形，中间留了缝隙，fillPoly之后会出现断裂。这种断裂会在训练时给模型输出不一致的监督信号，建议转换后用形态学闭运算把距离很近的裂缝段连起来，但这一步要克制，kernel用3x3就够了。

2.3 灰度统计与预处理：归一化、CLAHE 与窗宽窗位

工业CT岩心切片和自然图像最大的区别是动态范围。CT数据通常以16位存储，灰度值范围可能是0到几万，但有效信息集中在很窄的一段。比如裂缝和孔隙表现为低密度区域，灰度值偏低，而岩石基质和矿物晶体灰度值很高。如果直接把16位数据除以65535归一化到[0,1]，裂缝区域会被压缩到几个灰度级，模型根本学不到裂缝和背景的差异。

常见做法是先做百分位裁剪，模仿CT诊断里的窗宽窗位操作：

import numpy as np def normalize_ct_window(img, low_percent=2, high_percent=98): lo = np.percentile(img, low_percent) hi = np.percentile(img, high_percent) img = np.clip(img, lo, hi) img = (img - lo) / (hi - lo) return (img * 255).astype(np.uint8)

low_percent=2和high_percent=98的意思是去掉灰度值最低和最高的2%像素，这些通常是CT扫描引入的极值噪声。裁剪后再线性映射到0-255，裂缝的对比度才能被拉开。如果你做的是低剂量CT或者工业CT，噪声更大，百分位可以再收紧到1和99，具体要根据直方图观察。

裁剪后的图片虽然对比度正常了，但裂缝边缘和岩石基质的灰度差异仍然可能很弱。下一步我一般会叠加CLAHE局部对比度增强：

import cv2 clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) img = clahe.apply(img)

CLAHE的原理是在tileGridSize划分的局部区块内做直方图均衡化，clipLimit=2.0控制对比度放大上限。裂缝在CT切片里往往是低密度黑线，周边是灰度较高的基质，局部增强后这条黑线会更明显。这个参数不要调得过大，clipLimit超过4.0会把噪点也放大成伪裂缝。

预处理函数要作为训练流程的一部分，而不是保存成图片文件。原因很简单：如果用同样的CLAHE参数在训练前把整批数据全部增强并保存，数据增强的随机性就丢了，而且不同实验之间想对比不同的预处理参数，还得重新生成一份数据。

2.4 数据增强：针对低对比度裂缝的增强组合

语义分割的数据增强有个硬性要求：图像和掩膜必须做完全相同的空间变换。手写实现很麻烦，我一般直接用albumentations库。裂缝分割场景，随机旋转、翻转、弹性变形都有必要，因为岩心切片的裂缝方向不一定和图像坐标系对齐。

import albumentations as A train_transform = A.Compose([ A.RandomRotate90(p=0.5), A.HorizontalFlip(p=0.5), A.VerticalFlip(p=0.5), A.CLAHE(clip_limit=2.0, tile_grid_size=(8, 8), p=0.3), A.ElasticTransform(alpha=1.0, sigma=50.0, p=0.2), A.RandomCrop(height=256, width=256, p=1.0), ]) valid_transform = A.Compose([ A.CenterCrop(height=256, width=256, p=1.0), ])

注意RandomCrop我放在变换列表的最后，因为前面的旋转、翻转、弹性变换都需要在全尺寸图像上进行，先裁剪再做这些变换会损失有效信息。ElasticTransform的alpha=1.0是变形强度上限，sigma=50.0是平滑程度。岩心内部如果有细微的层理弯曲，这个变换能模拟出来，但经验上alpha不要超过2，否则细裂缝会被拉伸成断断续续的虚线，相当于给训练数据增加错误标注。

验证集只用CenterCrop，不要混入随机增强。一个容易被忽略的细节是albumentations的随机增强会影响标签值，如果用双线性插值的方式旋转图像，mask也会被线性插值，产生位于0和1之间的中间值。上面这套变换里RandomRotate90和翻转不会引起插值，但ElasticTransform底层用了插值，如果发现训练时mask出现了非二值像素，需要给变换额外传mask参数时保持interpolation=cv2.INTER_NEAREST，或者在损失函数里加一个mask.round()操作。比较省事的做法是在A.Compose的构建参数里加additional_targets并显式指定mask的插值方式。

做完数据增强，数据关基本就打通了。整个阶段的目标是确认：图像和mask一一对应、灰度范围没有截断、裂缝信息没有被预处理抹掉。这三件事只要有一件出问题，后面模型训练再怎么调参都是白费。

3. 分割模型选型与训练配置：U-Net 小样本与 DeepLabV3+ 的取舍

3.1 模型选型：为什么先试 U-Net 而不是 Transformer

CT岩心裂缝数据集通常不会太大，几十张到几百张之间，而裂缝本身的像素占比又非常低。在这种数据规模下，直接上Vision Transformer或者Swin Transformer大概率会过拟合，因为它们需要大量数据来学习全局注意力模式。最稳妥的起点是U-Net，或者它的变体。U-Net的编码器逐层下采样提取多尺度特征，解码器通过跳跃连接把编码器每一层的空间细节融合回来，这种设计特别适合裂缝这种“边界细节比语义更重要”的任务。

搭建模型我一般用segmentation_models_pytorch这个库。它封装了U-Net、DeepLabV3+、FPN等主流结构，而且支持不同的编码器backbone：

import segmentation_models_pytorch as smp model = smp.Unet( encoder_name="resnet34", encoder_weights="imagenet", in_channels=3, classes=1, activation=None, )

关键参数是in_channels=3。你的原始输入是单通道灰度图，但resnet34的ImageNet预训练权重是在三通道RGB图上训出来的，直接改成in_channels=1就加载不了预训练权重。常见做法是在预处理阶段把灰度图原地复制三次变成三通道。训练和推理都要走同一个转换逻辑，这一点必须统一，否则到推理阶段会出现通道数不匹配的诡异错误。

classes=1表示只分割裂缝一个类别，输出是单通道的logits图。activation=None是因为后面损失函数用的是BCEWithLogitsLoss，它在内部做了sigmoid，不需要在模型末尾手动加激活层。

对比一下U-Net和DeepLabV3+的选择逻辑：DeepLabV3+的空洞卷积带来更大的感受野，对“整条裂缝跨度很大、贯穿整个视野”的场景有优势，但它需要更多的样本量来校准空洞卷积的权重，而且对小目标的边界恢复不如U-Net的直接跳跃连接。实际项目里，我一般先用U-Net跑通基线，如果裂缝出现大量断片而模型又学不会长距离关联，再切到DeepLabV3+。

3.2 损失函数：Dice Loss 与加权交叉熵

裂缝分割最容易出现的训练现象是：模型快速收敛到一个“全部预测为背景”的状态，验证集Dice为0，但交叉熵损失仍然在下降。原因是裂缝占整张图的比例可能不足1%，普通BCELoss计算时，背景类贡献了绝大部分loss，模型发现预测背景就能把loss压得足够低。

解决办法是使用Dice Loss。Dice系数本身衡量预测和真实标注在像素集合上的重叠程度，对类别不平衡不敏感。单独使用Dice Loss也有问题：梯度在预测概率接近0或1时会变得很小，训练初期收敛慢。最稳的组合是“交叉熵 + Dice”两个损失加权求和：

import torch import torch.nn as nn class CombinedLoss(nn.Module): def __init__(self, bce_weight=0.5, dice_weight=0.5): super().__init__() self.bce_weight = bce_weight self.dice_weight = dice_weight self.bce = nn.BCEWithLogitsLoss() def dice_loss(self, logits, targets): probs = torch.sigmoid(logits) smooth = 1.0 intersection = (probs * targets).sum() union = probs.sum() + targets.sum() return 1 - (2.0 * intersection + smooth) / (union + smooth) def forward(self, logits, targets): bce = self.bce(logits, targets.float()) dice = self.dice_loss(logits, targets) return self.bce_weight * bce + self.dice_weight * dice

代码里的smooth=1.0是平滑项，防止overlap为0时除法出问题，也能让训练初期梯度更稳定。targets必须是浮点型的[0,1]张量，如果原始mask是(B, 1, H, W)的uint8，需要先.float()。两个权重默认各取0.5，实际使用中如果发现Dice提升很慢，可以尝试bce_weight=0.3, dice_weight=0.7，让模型更快关注裂缝区域。

还有一个更直接的方案是BCEWithLogitsLoss的pos_weight参数，给正样本一个加权系数。比如裂缝像素占比约0.5%，那pos_weight可以取50到100。但经验是这类极端不平衡任务里，Dice Loss的收敛稳定性更好，pos_weight调不好反而会带来震荡。

3.3 训练超参数：batch size、学习率与早停

训练配置里，batch size、输入分辨率、初始学习率四者互相制约。CT大图的原始分辨率经常是1024×1024甚至更高，如果直接整图输入，显存根本扛不住。我一般先把图像裁剪到256×256或512×512再做模型输入。

crop_size = 256 batch_size = 8 initial_lr = 1e-4 epochs = 120 accumulate_steps = 2

这个配置的含义是：每批次加载8张256×256的图，accumulate_steps=2表示每2次反向传播才更新一次参数，等效batch size是16。在U-Net + resnet34的规模下，这个组合在8GB显存的卡上能跑得动。如果你只有6GB显存，把batch_size降到4，accumulate_steps提到4，效果接近，但训练时间会变长。

学习率用Adam优化器配1e-4是分割任务里比较稳的起点。注意从头训练和加载预训练权重的学习率策略不同：加载ImageNet权重时，编码器部分已经学到了通用特征，1e-4能让它在原有特征上做小幅调整；如果是完全随机初始化，这个学习率偏大，可能收敛不稳，需要降到3e-5或5e-5。

学习率调度我习惯用ReduceLROnPlateau：

from torch.optim.lr_scheduler import ReduceLROnPlateau scheduler = ReduceLROnPlateau( optimizer, mode="max", factor=0.5, patience=8, min_lr=1e-6, )

mode="max"表示监控目标是验证集Dice，Dice提升才认定模型在变好。patience=8是连续8轮Dice没有突破后学习率减半。整个训练过程里，最关键的决策是只保存验证集Dice最高的权重文件，不要用训练loss作为保存依据，因为训练loss下降可能只说明背景类拟合得好，裂缝类可能仍然一塌糊涂。

3.4 训练主流程代码

训练循环本身不复杂，把数据加载、损失计算、梯度累积、模型保存串起来就行：

best_dice = 0.0 patience = 0 early_stop_patience = 15 for epoch in range(epochs): model.train() train_loss_sum = 0.0 optimizer.zero_grad() for step, (imgs, masks) in enumerate(train_loader): imgs = imgs.cuda() masks = masks.cuda() logits = model(imgs) loss = criterion(logits, masks) loss.backward() if (step + 1) % accumulate_steps == 0: optimizer.step() optimizer.zero_grad() train_loss_sum += loss.item() val_dice = evaluate_dice(model, valid_loader) scheduler.step(val_dice) if val_dice > best_dice: best_dice = val_dice torch.save(model.state_dict(), "best_unet_ct.pth") patience = 0 else: patience += 1 if patience >= early_stop_patience: print(f"early stop at epoch {epoch}") break

代码里有两个细节值得说明。第一，optimizer.zero_grad()放在了epoch循环开头，配合梯度累积时只在满足accumulate_steps条件才调用optimizer.step()，否则梯度会持续累加到下一轮。第二，evaluate_dice是验证集Dice的汇总函数，计算时模型必须处于model.eval()状态并关闭梯度。

如果你显存还是不够，可以考虑在训练循环外包装一层torch.cuda.amp：

scaler = torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(): logits = model(imgs) loss = criterion(logits, masks) scaler.scale(loss).backward()

半精度训练能显著降低显存占用，代价是约10%的精度损失，在裂缝分割这种任务里通常可以接受。需要注意半精度模式下，Dice Loss中的torch.sigmoid计算也可能变成半精度，必要时在损失函数里显式加torch.float32转换，避免数值精度不足导致的Dice震荡。

4. 评估与推理部署：IoU 计算、滑动窗口与预测结果可视化

4.1 评估指标实现的坑：IoU与Dice的类别维度

训练结束后的第一个问题通常不是“效果好不好”，而是“指标是怎么算出来的”。很多人直接把sklearn的jaccard_score拿来用，然后在二分类标签上得到异常高的IoU，原因在于average参数默认是binary，只关注正样本类别，背景类被排除在计算外。裂缝占比极低时，这种IoU会虚高到90%以上，实际上模型只预测出了几条裂缝边缘。

正确的做法是自己手写像素级别的二分类IoU和Dice：

def compute_iou_dice(pred_mask, true_mask): pred_mask = (pred_mask > 0.5).astype(int) true_mask = (true_mask > 0.5).astype(int) intersection = (pred_mask * true_mask).sum() union = pred_mask.sum() + true_mask.sum() - intersection iou = intersection / (union + 1e-7) pred_sum = pred_mask.sum() true_sum = true_mask.sum() dice = (2 * intersection) / (pred_sum + true_sum + 1e-7) return iou, dice

加1e-7是防止除零，同时不影响指标值。这个函数返回的是全局二类指标的近似，本质是把裂缝视为正类、背景视为负类的全局像素统计。对于裂缝这种类别极度不平衡的任务，它比类平均IoU更悲观，也更真实。如果你要写论文，建议同时报全局IoU和Dice，审稿人更认可这种方法。

4.2 推理阶段的滑动窗口与重叠策略

训练时输入是256×256的裁剪块，但推理时我们面对的是一整张原始CT切片，可能有1024×1024甚至更大。直接把全图放进去模型会OOM，即便不OOM，全图推理的结果也经常在裂缝边界处出现奇怪伪影。原因是模型在固定分辨率下学习到的空间模式，在更大视野下不一定能保持。

滑动窗口推理是分割任务的标准做法，重叠区域预测结果取平均，能有效消除patch边缘的接缝效应：

import numpy as np import torch def predict_full_scan(model, image_3ch, patch_size=256, overlap=32, device="cuda"): model.eval() h, w = image_3ch.shape[:2] stride = patch_size - overlap pad_h = (stride - h % stride) % stride pad_w = (stride - w % stride) % stride padded = np.pad( image_3ch, ((0, pad_h), (0, pad_w), (0, 0)), mode="reflect", ) heatmap = np.zeros((padded.shape[0], padded.shape[1]), dtype=np.float32) weight_map = np.zeros_like(heatmap) for y in range(0, padded.shape[0] - patch_size + 1, stride): for x in range(0, padded.shape[1] - patch_size + 1, stride): patch = padded[y:y+patch_size, x:x+patch_size] patch_tensor = torch.from_numpy(patch.transpose(2, 0, 1)) patch_tensor = patch_tensor.unsqueeze(0).float().to(device) with torch.no_grad(): logits = model(patch_tensor) prob = torch.sigmoid(logits).squeeze().cpu().numpy() heatmap[y:y+patch_size, x:x+patch_size] += prob weight_map[y:y+patch_size, x:x+patch_size] += 1.0 heatmap /= np.maximum(weight_map, 1.0) return heatmap[:h, :w]

参数patch_size=256必须和训练时的输入尺寸一致，overlap=32控制相邻采样块的重叠宽度。重叠区域被多次预测并求平均，理论上重叠越大结果越平滑，但推理时间也成倍增长。对256的patch，32像素重叠是性价比比较高的折中。

np.pad的reflect模式是给原图边界补边用的，避免裂缝贴边时滑动窗口覆盖不到。返回前把heatmap裁剪回原始高度和宽度。

4.3 预测结果后处理：去假阳性与裂缝连通域修补

模型输出的是0到1之间的概率图，先选阈值二值化。很多人直接用0.5，但裂缝边缘模糊时，概率值经常在0.4附近浮动。我通常先用连通域分析过滤小面积噪声，再把阈值降低到0.45或者0.4，因为噪声块面积小，通过连通域过滤能去掉大部分。

from scipy import ndimage import numpy as np binary = (prob_map > 0.45).astype(np.uint8) labeled, num_features = ndimage.label(binary) min_area = 30 for label_id in range(1, num_features + 1): area = (labeled == label_id).sum() if area < min_area: binary[labeled == label_id] = 0

min_area=30的意思是小于30个像素的前景对象全部视为假阳性置为背景。这个参数取决于图像分辨率：256×256的patch下30像素大约是1%的patch面积，岩心CT里单块噪声这样的大小很常见；如果是1024分辨率的全图，min_area要放到100以上。

裂缝断裂是指同一条裂缝在预测结果中被分成了几段，中间隔着几个像素的间隙。形态学闭运算可以桥接细小断裂：

from skimage.morphology import binary_closing, disk connected = binary_closing(binary, disk(2))

disk(2)是半径2的圆形结构元，能连接间距在4像素以内的断裂。这个操作要非常克制，用disk(3)或更大就会把相邻但实际不相交的裂缝错误连通，导致后续裂缝长度统计严重失真。我自己的习惯是先连通域过滤，后闭运算，这样噪声在闭运算之前已经被清除，避免了把噪声和真实裂缝桥接成一个对象。

5. 避坑指南：灰度图三通道、标签错位、显存炸了怎么办

5.1 灰度图被三通道读入，标签值乱套

现象：训练时loss下降很快，但预测结果全是灰色噪点，或者mask中出现了0、1、255之外的奇怪值。

原因：cv2.imread默认用IMREAD_COLOR读取图片，一张单通道灰度图和单通道掩膜会被读成三通道BGR。如果mask也被读成三通道，模型输出的单通道概率图和它计算损失时会发生广播，标签语义完全错乱。还有一种情况是刻意做了灰度转三通道，但训练时复制加通道的顺序和推理时不一致。

解决：读图像和mask分别使用cv2.IMREAD_UNCHANGED与cv2.IMREAD_GRAYSCALE。如果为了加载ImageNet预训练权重而复制成三通道，写一个统一的grayscale_to_3ch函数，在训练和推理的预处理里都必须调用，保证通道变换逻辑唯一。

5.2 验证集按张随机划分，裂缝信息泄漏

现象：验证集Dice高达0.92，但拿同一份权重去预测一块新岩心的CT切片，效果立刻掉到0.4以下。

原因：CT岩心是连续切片，相邻两张图的裂缝形态高度相似。按文件随机划分训练集和验证集，很可能同一块岩心的相邻切片分布到了两侧，验证集没有真正测试模型对未知样本的泛化能力。

解决：按岩心块ID划分数据集。先统计文件名里属于哪块岩心，把同一岩心ID的所有切片放在同一个集合里，再按岩心ID比例划分训练、验证。比如有10块岩心，取8块做训练，2块做验证。宁可训练数据少一些，也不能让验证集泄漏。

5.3 归一化后裂缝对比度反而消失

现象：模型训练了十几个epoch，裂缝仍然基本漏掉，可视化输入图像发现裂缝区域和背景灰度特别接近。

原因：对16位CT图直接用img / 65535归一化。CT值动态范围很大，高密度矿物区占用了大部分灰度区间，裂缝区域被挤压到最后几个灰度级。或者用百分位裁剪时参数选得太宽，比如设置low_percent=0, high_percent=100，等价于没裁剪，极值噪声继续拉宽灰度范围。

解决：先画直方图，观察像素集中分布在哪个区间，再把low_percent调到2、high_percent到98，之后叠加CLAHE增强。验证预处理效果的方法是保存几张处理后的图，肉眼看裂缝是否清晰可见，数值上可以检查裂缝区域灰度均值与周边区域的差值是否大于20。

5.4 整张图预测成全黑，Dice为0

现象：训练过程loss正常下降，但验证Dice始终接近0，模型输出全部是背景。

原因：绝大多数情况是损失函数里只有交叉熵，没有Dice Loss或正样本加权。裂缝像素占比太低，模型只要预测全部背景，交叉熵loss也能保持很低，于是训练陷入了局部最优。

解决：改用前面写的CombinedLoss，让交叉熵和Dice各占一半。换损失函数后头几个epoch可能看到Dice波动变大，这是正常的，说明模型开始尝试预测裂缝区域。另外检查mask是否有问题——如果某张mask因为标注转换失败全是0，这个样本会进一步加剧全背景预测。

5.5 显存不足，batch size调小后训练效果变差

现象：设置batch_size=8训练到一半 CUDA OOM，改成batch_size=2后能跑，但验证Dice明显下降。

原因：batch size减小到2后，梯度的随机性变大，BN层的统计量也不稳定，效果自然会受影响。这不是模型问题，是工程配置问题。

解决：用梯度累积恢复等效batch size，batch_size=2+accumulate_steps=8等效于batch_size=16。同时开启torch.cuda.amp半精度，显存占用能下降约30%。如果显存还是不够，把输入从512降成448，或者关闭cudnn.benchmark，虽然慢一点但更稳定。

6. 进阶：裂缝连通域拆解与骨架提取

分割出裂缝掩膜其实只完成了一半工作，很多课程设计和论文还需要从掩膜里提取裂缝的长度、开度、方向这些定量参数。我常用的流程是：先连通域标记，再提取单像素骨架，最后对骨架做几何统计。

6.1 裂缝长度与开度粗估

from skimage.morphology import skeletonize from scipy import ndimage import numpy as np # binary 是后处理过的裂缝掩膜 skeleton = skeletonize(binary).astype(np.uint8) labeled, num = ndimage.label(skeleton) for label_id in range(1, num + 1): mask_i = (labeled == label_id) length = mask_i.sum() area = binary[mask_i].sum() width = area / length print("裂缝ID", label_id, "长度(像素)", length, "平均开度(像素)", width)

骨架提取后，裂缝像素的个数近似等于裂缝的几何长度，原始掩膜面积除以骨架长度，就是平均开度。这个数值受分辨率影响，写报告时要除以CT图像的单像素物理尺寸，换算成毫米。

6.2 批量可视化：原图、标注、预测三拼图

手动一盘盘查看结果太费时间，我一般在预测之后直接生成三拼图，原图、真实mask、预测mask各占一列，按文件名批量保存。之后写期末大作业时直接把图粘贴进报告，一眼就能看出模型哪里漏了、哪里误检，不用反复打开数组翻看。

从那以后，我每次训练完都会强制走一遍“检查预处理直方图、检查验证集划分、确认mask值和预测阈值”这三件事，再往下游做定量分析。裂缝分割很容易被表面指标骗过去，只有把每一步的中间结果都打开看一眼，才能在翻车前拦住问题。希望帮到你。

本文还有配套的精品资源，点击获取