企业官网建设流程全解析

机器视觉圈子里做表面缺陷检测的朋友，对“点蚀”这个词应该都不陌生。轴承滚道、机床导轨、齿轮齿面、液压缸内壁，这些承受交变载荷的关键表面，一旦出现点蚀坑，轻则影响配合精度，重则导致整机失效。工厂里老师傅拿手电筒照着一件件翻检的日子我经历过，又慢又累，而且人眼疲劳状态下漏检率根本不稳。后来转做机器视觉，第一件事就是想把这个环节自动化，而自动化的第一步，不是选相机、不是选光源，而是先解决一个问题：缺陷到底长什么样，我要让模型看到什么东西。

我手里的这套工业点蚀分割数据集，是labelme格式，一共394张图片，单类别，标注目标就是金属表面的点蚀缺陷。听起来量不算大，但对于缺陷检测这种异常检测场景来说，394张经过严格标注的图像完全够把模型调到能用的程度。这篇文章我就把这套数据集的构建逻辑、labelme标注的实操细节、格式转换和模型训练的完整路径，以及我实际踩过的坑，全部摊开来讲。不管你是刚入行还在找数据集练手，还是已经在产线上做检测项目但苦于数据标注不规范，这篇内容都能给你落地的参照。