基于深度学习的工业表面缺陷自动分类

《Computers》：Deep Learning-Based Automated Industrial Surface Defect Classification

　　

摘要：钢材、混凝土及各类合金等材料广泛应用于各行业基础设施与机械设备的建造。由于其服役寿命长，部分材料表面最终会产生裂纹(crazing)、腐蚀(corrosion)及点蚀(pitting)等损伤，进而影响结构与设备的可靠性。因此，快速准确地对材料表面缺陷进行分类，对保障材料质量及生产连续性至关重要。研究人员比较了两种深度学习模型——带迁移学习(Transfer Learning)的VGG16卷积神经网络(Convolutional Neural Network, CNN)与当前先进的YOLOv8模型——在工业表面缺陷自动分类任务上的有效性。实验数据集融合了Phase 5 Capstone Corrosion数据集与NEU Surface Defects Database，涵盖八类不同的表面缺陷。采用分层十折交叉验证(Stratified 10-Fold Cross-Validation)评估模型效能。结果表明，YOLOv8准确率达98.5%，而VGG16仅为92.5%。此外，YOLOv8在噪声扰动下表现出更高的一致性，较VGG16具有更优的鲁棒性(Robustness)。除模型对比外，本研究构建了源自异质工业缺陷数据集的统一基准(Benchmark)，利用分层交叉验证与噪声测试系统性地评估了分类性能、泛化能力及鲁棒性。结果表明YOLOv8是工业表面缺陷自动分类的实用解决方案。

该研究发表于《Computers》。

论文解读：基于深度学习的工业表面缺陷自动分类研究

现代基础设施依赖钢材、混凝土及工业合金等材料，其表面易产生裂纹(crazing)、划痕(scratches)、腐蚀(corrosion)及点蚀(pitted surface)等缺陷。即便微小缺陷也会危及结构完整性、安全性及生产效率。传统人工检测耗时、主观且易误判；常规图像处理（阈值分割、边缘检测等）对微小复杂缺陷效果有限。深度学习(Deep Learning, DL)因能自动从原始图像提取判别性特征而成为主流，其中卷积神经网络(Convolutional Neural Network, CNN)擅长识别细微纹理，YOLO系列适用于实时检测。然而现有研究多聚焦单一工业场景下的同质数据集，缺乏跨异质数据集的综合评估及传统CNN（如VGG16）与现代单阶段检测器（如YOLOv8）在预测性维护中的对比研究。沙特阿拉伯等高湿、高盐、沙尘环境加速工业表面退化，更需可靠的AI检测方案。为此，研究人员开展此项研究，对比VGG16（带迁移学习）与YOLOv8在融合腐蚀与轧钢表面缺陷八分类任务上的性能，并构建统一基准评估其泛化性与鲁棒性。结论显示YOLOv8在准确率、一致性及抗噪性上均优于VGG16，更适合实时工业检测；VGG16在受控环境下亦有良好表现。该研究为工业缺陷检测模型选型提供了严谨的对比依据。

研究人员采用的关键技术方法如下：构建融合数据集——合并Phase5_Capstone Corrosion数据集（1819张含腐蚀/无腐蚀金属及混凝土表面图）与NEU Surface Defect Database（1800张热轧钢带六类缺陷灰度图：crazing、inclusion、patches、pitted surface、rolled-in scale、scratches），形成八类统一基准；统一预处理为224×224像素、像素值归一化至[0,1]，采用随机旋转(±20°)、平移、缩放、剪切及水平翻转进行数据增强；按分层抽样划分为训练集(80%)、验证集(10%)、测试集(10%)；使用带ImageNet预训练权重的VGG16（替换全连接层为自定义分类头，部分实验解冻末四层卷积层做微调）与YOLOv8s（Ultralytics框架，CSPDarknet骨干+C2f颈部+分类头）分别训练；以准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1值、每秒帧数(Frames Per Second, FPS)及高斯噪声(σ=25)下的鲁棒性为指标，采用分层十折交叉验证(Stratified 10-Fold Cross-Validation)与标准划分双重评估。

4.1. Hyperparameter Tuning (VGG16)

研究人员设置三组VGG16实验：基线组（学习率0.001，Dropout 0.5，冻结卷积层）、调参组（学习率0.0005，Dropout 0.4，解冻末四层）与进阶调参组（学习率0.0001，Dropout 0.5，解冻末四层微调）。结果显示进阶调参组(Exp3)各项指标最优，准确率高且推理速度达82.6 FPS，说明适当降低学习率配合部分层微调和合理正则化可提升VGG16泛化能力与效率。

4.2. YOLOv8 Model Performance

YOLOv8s训练损失迅速下降并稳定收敛，验证损失略有波动但未发散，无显著过拟合；Top-1准确率近98%~100%，Top-5准确率恒为100%。归一化混淆矩阵显示对角线接近1.0，仅少数scratches样本轻微误分。综合指标为准确率96%、精确率98%、召回率98%、F1值98%，推理速度达2143.2 FPS；加高斯噪声后准确率75.2%，显示出较强抗噪性。

4.3. VGG16 (CNN) Model Performance

优化后VGG16在独立测试集上准确率达100%，精确率、召回率、F1值均为1.00，混淆矩阵无错分，推理速度82.6 FPS；噪声扰动下准确率降至61.2%。表明VGG16在固定划分测试集上可完美拟合，但对输入噪声较敏感。

4.4. 10-Fold Cross-Validation

十折交叉验证中VGG16各折准确率0.8674~0.9568，均值0.92453；YOLOv8各折0.984~0.989，均值0.98590。YOLOv8不仅均值更高且跨折波动更小，证明更优的稳定性与泛化能力。

4.5. Stratified K-Fold Cross Validation

分层十折交叉验证结果显示VGG16均值准确率0.9267±0.0150，F1值0.9266±0.0151；YOLOv8均值准确率0.9843±0.0042，标准差显著更小。YOLOv8在各折间保持平稳高精度，VGG16波动较大，再次验证YOLOv8鲁棒性更强。

4.6. Comparative Analysis with State-of-the-Art

与文献对比，本研究VGG16在测试集达100%全面指标，匹配文献中最优CNN结果；YOLOv8以96%准确率及98%精确率/召回率/F1值超越部分已有YOLOv8腐蚀检测研究，虽略低于ViT等Transformer模型之精度但训练耗时大幅缩短，兼顾效率与精度。

4.7. Discussion and Implications for Industry

标准训练—验证—测试划分使VGG16呈完美分数，但交叉验证揭示其易受数据划分影响且噪声鲁棒性弱；YOLOv8于多种验证策略下均保持高精度与低方差，更适配工业现场数据分布变化。推理效率方面VGG16参数量大、计算开销高，嵌入式部署需压缩；YOLOv8参数量少、速度快，适合产线实时质控。抗噪测试中YOLOv8(75.2%)明显优于VGG16(61.2%)，归因于多尺度特征提取与现代化架构。融合异质数据集时通过统一预处理、增强与分层抽样抑制域偏置(domain bias)，促使模型学习缺陷本身特征。

结论(Conclusions)翻译：

本研究探讨VGG16与YOLOv8用于钢材表面缺陷自动分类的效果。两种模型均证实深度学习优于传统检测手段。三种验证策略（标准K折、分层K折及训练—验证—测试划分）被用于公平评估，其中分层K折对处理类别不平衡尤为关键。YOLOv8在准确率、鲁棒性及跨验证泛化能力上持续优于VGG16，对不同数据划分表现稳定；VGG16在单一固定划分下表现极佳，但交叉验证中性能下降，表明存在过拟合及对数据变动敏感，其较旧架构与全局特征依赖使其更易受噪声与数据集变更影响。工业应用中YOLOv8因高效、鲁棒及强泛化适合实时检测；VGG16适于受控离线环境但受限于较高算力需求与较低鲁棒性。虽实验于受控环境及合成噪声下进行，结果仍需真实工业数据验证。本研究贡献在于通过多重验证策略严谨对比，聚焦泛化与鲁棒性而非仅看准确率，可为工业缺陷检测深度学习模型选型提供指导。YOLOv8与VGG16在精度、鲁棒性及效率间取得平衡，未来建议通过域适应(Domain Adaptation)与扩大工业实测进一步提升实用性。