做混凝土裂缝识别这个毕设项目时我最开始也觉得“不就是个二分类嘛用CNN跑一下就能交差”。实际动手之后才发现从数据集划分到模型微调再到答辩时现场演示每一步都有不少坑。这篇博客就围绕“基于Python和PyTorch的卷积神经网络混凝土裂缝识别”这个项目完整复盘一下我的设计思路、代码实现和调优过程。如果你正在选题目或者已经开工但想找一个可靠的baseline希望能帮你节省几个星期的摸索时间。项目本质上解决的是土木工程里的一个实际问题混凝土表面有没有裂缝。传统做法靠人眼巡检主观性强、效率低用深度学习替代人工判断只要给模型足够多的标注图片它就能自动学会裂缝在图像里的视觉特征。作为计算机视觉的入门级任务它很适合做毕设——数据不难搞、模型结构成熟、指标直观同时又能延伸出裂缝分类、宽度估算、无人机影像分析等进阶方向。技术选型上我直接选了PyTorch torchvision ResNet的经典组合。PyTorch的调试体验在深度学习框架里算是很友好的动态图让你可以随时打印中间张量的shape这道题在毕设阶段特别重要因为你大概率要反复调整模型结构。torchvision则提供了预训练权重和标准的数据增强工具省去很多造轮子的时间。1. 项目背景与核心思路拆解1.1 为什么选混凝土裂缝识别作为毕设题目土木工程的结构健康监测是这些年比较热的方向。混凝土结构的裂缝可能是沉降、温度应力、荷载超限或材料老化导致的如果能在早期发现并处理就能避免更严重的结构问题。传统的裂缝检测有人工目视、超声检测、红外热成像等方法人工方法效率低且依赖经验仪器方法成本高。深度学习技术出现后基于图像的裂缝识别成了一个低成本高潜力的替代方案。从毕设选题的角度这个题目的优势非常明显第一数据易得。两个类别的图片在公开数据集和工程现场都很容易积累不像医学影像、卫星遥感那样数据难找第二技术路线成熟卷积神经网络做图像分类的理论资料极其丰富遇到任何问题都能找到参考降低项目失败的风险第三有很好的上界空间。完成了最基础的二分类之后可以继续做裂缝类型多分类、裂缝宽度量化、实时视频检测甚至结合目标检测模型做裂缝定位这些都能成为答辩时的亮点。这个题也是典型的“小题目大文章”——从数据预处理到模型设计再到训练调优和部署演示每个环节都有值得展开写的内容。对于需要凑论文篇幅或者想锻炼完整项目能力的同学来说非常合适。1.2 技术选型为什么是CNN PyTorch为什么用卷积神经网络而不是传统图像处理方法我之前先试过用Canny边缘检测去做效果不太理想。裂缝在图像里确实是边缘特征但混凝土表面的模板纹理、粗骨料、阴影和光斑都会产生大量干扰边缘传统算子很难区分“裂缝边缘”和“普通纹理边缘”。CNN则不一样它通过多层卷积自动学习特征表示浅层卷积捕获边缘、颜色、纹理等低级特征深层卷积组合出更抽象的语义特征整个过程不需要人工设计特征用数据喂出模型。框架选PyTorch的理由有几点。动态图机制在调试时特别舒服你可以直接打印每一层的feature map这在做Grad-CAM可视化时几乎必不可少。torchvision自带的models、transforms、datasets模块能覆盖大部分需求。更重要的是PyTorch社区资料非常丰富新手遇到报错基本都能搜到现成解决方案。相比之下TensorFlow的静态图在早期版本对新手不太友好而今天用JAX或者其他框架做这类项目反而会增加不必要的学习成本。注意PyTorch版本迭代带来的API变化是个坑。以torchvision.models为例旧版本用pretrainedTrue加载预训练权重新版本改成了weightsmodels.ResNet18_Weights.IMAGENET1K_V1的写法。建议在项目开始时固定环境版本我用的环境组合是Python 3.9 PyTorch 2.x torchvision 0.15后面所有代码都是基于这个组合验证的。2. 数据集准备与预处理2.1 数据来源与划分策略数据集是二分类任务分为包含裂缝的Positive类和背景干净无裂缝的Negative类。我使用的是某公开混凝土裂缝数据集图片内容为混凝土表面特写覆盖不同光照条件和裂缝宽度。有几点关于数据集的认知在开始之前就要想清楚公开数据集的图片尺寸不统一有的原始分辨率很大裂缝区域占比较小正负样本数量可能不平衡常见情况是负样本无裂缝偏多图片拍摄环境相对单一如果直接拿来做真实场景测试泛化能力可能不够。这些特性会直接影响到后续的预处理和模型训练策略。数据划分是项目中容易被忽略但影响极大的环节。我用了8:1:1的比例划分训练集、验证集和测试集。这里有一个关键教训如果同一面墙体连续拍摄的多张图片既出现在训练集又出现在验证集模型相当于见过“答案”了验证集准确率会虚高。所以正确的做法是按照图片来源目录分组划分数据保证同一场景的图片只在其中一个集合中出现。这个坑我是在第一次实验时踩到的——当时随意随机划分验证集准确率接近98%但换到自采图片上掉到了80%左右排查了很久才发现是数据泄漏。2.2 数据增强策略数据增强的目的是让模型在有限的训练数据中看到更多样的变化提升泛化能力。混凝土裂缝图片在真实场景中的主要变化包括拍摄角度、光照强度、阴影、尺度远近、表面纹理差异。针对这些变化我选择了以下几组增强手段transform_train transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p0.5), transforms.RandomRotation(degrees15), transforms.ColorJitter(brightness0.2, contrast0.2, saturation0.1), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) transform_test transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])随机翻转、旋转、颜色抖动是最常用的组合。旋转角度我控制在15度以内因为混凝土表面纹理本身没有方向性更大的旋转也没有问题但过大的旋转会让图片中出现黑色的填充区域反而引入噪声。ColorJitter用来模拟不同光照条件亮度增强0.2倍已经比较保守过大容易让裂缝对比度丢失。有一个容易被忽视的增强策略是RandomResizedCrop。它会在图片中随机裁剪一块区域并缩放到固定尺寸。它的作用不仅仅是增加样本多样性还能模拟不同距离拍摄的效果对裂缝这种尺度变化明显的目标非常有价值。我在部分实验中加了RandomResizedCrop(scale(0.7, 1.0))发现对细裂缝的检测能力有提升。关于归一化的均值和标准差我直接用ImageNet的统计值[0.485, 0.456, 0.406]和[0.229, 0.224, 0.225]。原因是如果使用预训练权重输入分布必须保持一致否则模型前面几层的统计特性会被破坏。如果打算从零训练模型则推荐先统计数据集的全局均值和标准差再归一化。2.3 数据加载与预处理实现PyTorch中数据加载通过torch.utils.data.DataLoader完成。这里有两个重点一个是ImageFolder的使用要求目录结构为train/0_crack、train/1_normal这种形式它会自动根据子文件夹名称生成标签另一个是DataLoader的num_workers参数在Windows下设置成0最稳妥Linux下可以设置为4到8能明显加快数据读取。from torchvision import datasets dataset_train datasets.ImageFolder(rootdata/train, transformtransform_train) dataset_val datasets.ImageFolder(rootdata/val, transformtransform_test) train_loader DataLoader(dataset_train, batch_size32, shuffleTrue, num_workers4) val_loader DataLoader(dataset_val, batch_size32, shuffleFalse, num_workers4) print(dataset_train.classes) # [crack, normal] print(dataset_train.class_to_idx) # {crack: 0, normal: 1}类别的顺序由目录名决定这里crack的索引是0normal是1。有一个细节要注意如果ImageFolder对应的目录下面还有多余的子文件夹或者非图片文件加载时会报错所以数据整理阶段必须保证目录干净。我在实际项目里还做了一步额外的处理——把原始大图切成小块再放入训练集。原因是有些公开图片尺寸非常大如果直接缩小到224x224细小的裂缝会被压缩得几乎看不见。切块方式是按固定步长从原始图片中裁剪224x224或256x256的区域然后逐一标注。切块不仅让裂缝细节保留下来还变相增加了数据量对模型效果提升很明显。这一步可以用OpenCV的cv2.imread加切片操作实现代码量不大。3. 模型架构与训练配置3.1 模型选型为什么从ResNet出发一开始我尝试过自己搭一个只有3层卷积的小型CNN实验效果不太理想验证集准确率只能到85%左右。后来换用ResNet18同样的数据直接提升到95%以上。原因很简单层数更深的模型有更强的特征提取能力而ResNet的残差连接又缓解了深层网络的梯度消失问题让训练更稳定。ResNet18具体结构是第一层卷积核大小为7x7步长为2后面跟着多个BasicBlock组成的残差层最后是全局平均池化和全连接分类层。模型结构并不复杂参数量约11M在GPU上训练很快。对于这个二分类任务我把最后全连接层的输出从1000类改成2类并加了一个Dropout层防止过拟合。为什么不用ResNet50或者更深的模型我试过一次ResNet50效果确实比ResNet18略好但训练时间增加了近一倍而且在我这个几千张图片的数据规模下优势并不明显甚至出现过更严重的过拟合。所以对这个小项目来说ResNet18成了精度和效率之间的甜点位。import torch.nn as nn import torchvision.models as models model models.resnet18(weightsmodels.ResNet18_Weights.IMAGENET1K_V1) in_features model.fc.in_features model.fc nn.Sequential( nn.Dropout(0.3), nn.Linear(in_features, 2) )3.2 迁移学习用预训练权重还是从零训练这个选择很关键直接决定了模型训练的周期和最终效果。混凝土裂缝图片和ImageNet里的自然图像差别不小但特征提取层学到的边缘、纹理、形状等基础视觉特征是可以迁移的。我的实验结果表明使用ImageNet预训练权重的模型在同样训练轮次下验证集准确率比从零训练高3到5个百分点而且收敛速度快得多对于有限的算力资源来说收益显著。迁移学习的具体策略有两种我实际比较过冻结所有卷积层只训练新加的全连接层训练速度快、不容易过拟合但模型对目标数据集的适应能力有限准确率上限较低全部层一起微调效果更好但需要设置较小的学习率否则预训练权重会被破坏导致训练不稳定。我的折中方案是先用较高的学习率1e-3训练全连接层10个epoch等模型对数据有了基本适应后再把所有层解冻用1e-4的学习率继续微调20个epoch。这样既避免了前期梯度回传破坏预训练特征又能让后期所有层都适应混凝土裂缝的视觉特征。3.3 超参数配置与计算过程超参数的选择背后都有理由我把自己的一组参考配置列出来超参数数值选择理由输入图像尺寸224x224ResNet标准输入尺寸兼顾细节与计算量Batch size32在常见8GB显存下足够且梯度估计稳定初始学习率1e-4微调阶段预训练模型不宜使用过大学习率优化器AdamW带权重衰减收敛稳定权重衰减5e-4抑制过拟合训练轮次30观察验证集指标在25轮后趋于平稳损失函数交叉熵二分类多类输出的标准选择关于学习率的设定有一个简单的计算逻辑如果从零训练常见初始学习率是1e-3但因为我使用了预训练权重并且后期要解冻所有层学习率降低一个数量级更安全。因为1e-4这个级别可以让模型在原有特征空间内做精细调整而不会把预训练学到的通用视觉特征冲掉。Batch size的选择和显存直接相关。我用的是单张8GB显存的显卡ResNet18输入224x224的batch size 32大约占用5GB显存训练过程还能开一些额外的可视化程序。如果显存不足可以把batch size降到16同时适当降低学习率以保持训练稳定性。训练轮次30是从训练曲线中得出的。我观察到验证集准确率在20轮之后进入平台期继续训练没有明显提升反而开始出现轻微的过拟合迹象。所以我最终把早停Early Stopping的阈值设成了验证损失连续5轮不下降就停止避免浪费算力。4. 训练全流程实战4.1 整体训练代码实现做完数据准备和模型配置之后就到了训练环节。这是整个项目中最核心、也最容易出问题的部分。训练代码的骨架非常通用下面是我的实现加入了模型保存和学习率调度的完整逻辑。import torch import torch.nn as nn from torch.optim import AdamW from torch.optim.lr_scheduler import CosineAnnealingLR device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device) criterion nn.CrossEntropyLoss() optimizer AdamW(model.parameters(), lr1e-4, weight_decay5e-4) scheduler CosineAnnealingLR(optimizer, T_max30, eta_min1e-6) best_val_acc 0.0 num_epochs 30 for epoch in range(num_epochs): model.train() running_loss 0.0 train_correct 0 train_total 0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * images.size(0) _, preds torch.max(outputs, 1) train_correct (preds labels).sum().item() train_total labels.size(0) train_loss running_loss / train_total train_acc train_correct / train_total # 验证阶段 model.eval() val_correct 0 val_total 0 val_loss 0.0 with torch.no_grad(): for images, labels in val_loader: images, labels images.to(device), labels.to(device) outputs model(images) loss criterion(outputs, labels) val_loss loss.item() * images.size(0) _, preds torch.max(outputs, 1) val_correct (preds labels).sum().item() val_total labels.size(0) val_loss val_loss / val_total val_acc val_correct / val_total scheduler.step() print(fEpoch [{epoch1}/{num_epochs}] fTrain Loss: {train_loss:.4f} Train Acc: {train_acc:.4f} fVal Loss: {val_loss:.4f} Val Acc: {val_acc:.4f}) if val_acc best_val_acc: best_val_acc val_acc torch.save(model.state_dict(), best_model.pt) print(best model saved)代码逻辑本身不复杂但有三个细节值得展开说明。第一个是model.train()和model.eval()这两个模式切换。这个必须做因为Dropout和BatchNorm在训练和推理时的行为完全不一样。如果忘了在验证阶段切换回eval()模式BatchNorm会继续使用当前batch的均值方差导致验证指标抖动甚至明显偏低。第二个是with torch.no_grad()。验证阶段不需要计算梯度关闭它既能节省显存也能加快推理速度。在验证数据量较大的情况下这个节省相当可观。第三个是模型保存时机。我每次都在验证集准确率创新高时保存一次而不是训练结束后保存最后一轮的参数。因为最后一轮不一定是泛化能力最好的那一个保存最优验证集对应的权重之后测试集的结果会更有说服力。4.2 训练过程中的观察与判断我第一轮的训练日志显示前几个epoch的验证集准确率上升非常快从85%一路涨到93%但同步观察训练集准确率却已经接近98%这说明模型已经出现轻微的过拟合倾向。这个信号靠看数字本身容易忽略把训练曲线画出来会更直观。我用的工具是tensorboard和简单的matplotlib曲线图训练时可以每轮记录loss和acc训练结束后统一可视化。这里有个观察经验如果训练损失持续下降但验证损失在某个epoch之后开始反弹说明模型开始“背”训练数据而不是“学”泛化模式这时候应该停止训练。如果验证损失下降缓慢可以检查一下学习率是否设置得太小。我遇到过学习率设成1e-5的情况模型在30轮内几乎看不到实质提升。训练日志中如果出现loss值为NaN或者在第一次迭代就爆成极大的数通常是以下几种原因数据集中存在异常像素值比如未归一化的0-255整数、标签中有负值、或者学习率设得过大。我排查过一次最后发现是数据加载时没有做除以255的归一化修复之后训练立刻恢复正常。4.3 模型评估与结果指标训练结束后用单独划分的测试集评估最终模型。评估时不能只看整体准确率对于裂缝检测这个场景漏报和误报的代价完全不同——在工程应用里漏掉一条裂缝可能比误报一次严重得多所以要特别关注召回率。from sklearn.metrics import classification_report, confusion_matrix model.load_state_dict(torch.load(best_model.pt)) model.to(device) model.eval() all_preds [] all_labels [] with torch.no_grad(): for images, labels in test_loader: images images.to(device) outputs model(images) _, preds torch.max(outputs, 1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.numpy()) print(classification_report(all_labels, all_preds, target_names[crack, normal])) print(confusion_matrix(all_labels, all_preds))我的模型在测试集上的表现大致是整体准确率96%左右裂缝类精确率94%召回率97%。召回率高于精确率意味着模型对裂缝比较敏感代价是偶尔会把正常表面误判为裂缝。对这个具体任务来说我宁愿保留这种偏向因为漏检的后果更严重。为了更直观理解模型到底在“看”什么我用了Grad-CAM生成热力图。做法是先锁定模型最后一个卷积层的输出然后计算分类得分对该层特征图的梯度加权求和得到注意力热力图。结果很直观模型的重点关注区域确实是裂缝本体而不是旁边粗骨料或模板纹理。这一步也可以作为答辩时展示工作量加分项。5. 常见问题与排查技巧实录5.1 过拟合问题怎么处理过拟合是这类小数据量项目里最常遇到的问题典型表现是训练集准确率一路飙升到99%以上验证集却在某个数值上徘徊甚至倒退。我的处理顺序很有优先级第一优先增强数据而不是削减模型。把数据增强从“只有翻转”提升到“翻转旋转颜色抖动随机裁剪”验证集准确率一般会有1到3个百分点的提升。数据增强相当于免费的数据扩张没理由不用。第二在模型中加入Dropout。我把全连接层改成Linear前加了一个Dropout(0.3)。这个操作看似简单但对抑制全连接层的过拟合非常有效因为分类层的参数量虽然不多却很容易“记住”训练样本的高层组合特征。第三增加权重衰减。AdamW优化器里weight_decay5e-4这个值是我通过小范围搜索选的搜索范围是1e-4到1e-3。权重衰减的作用是让模型的权重尽量小避免某些维度上过大的参数值对噪声数据过于敏感。第四最简单的早停策略。记录验证集loss连续5个epoch不下降就停止训练并回滚到历史最优模型。我在实验中发现过拟合通常发生在训练后期等它出现再回滚就已经浪费了不少算力了早停是最后一道防线。5.2 类别不平衡怎么解决如果你自己拍摄数据很可能遇到正负样本数量差距大的情况。解决方案有几个层级最简单的办法是调整损失函数的权重在PyTorch里可以给CrossEntropyLoss传一个weight参数让少数类每次计算损失时获得更高的权重class_weights torch.tensor([1.2, 0.8]).to(device) criterion nn.CrossEntropyLoss(weightclass_weights)稍微复杂一点的办法是用WeightedRandomSampler每次采样时按类别权重抽取样本让少数类在单个batch中出现的频率更高。相比调整损失权重这个方式更直接地改变了每个batch的实际样本构成我建议优先尝试。sampler WeightedRandomSampler(weightssample_weights, num_sampleslen(sample_weights), replacementTrue) train_loader DataLoader(dataset_train, batch_size32, samplersampler)还有一个容易被忽略的问题测试集同样要保持类别平衡。如果测试集中无裂缝图片占了90%以上即使模型把所有图都判成“无裂缝”准确率也有90%看起来很好但实际毫无意义。确保测试集的正负比例在1:1左右或者用平衡召回率、F1-score这类综合指标来评估。5.3 细长裂缝识别不到怎么办裂缝在图像中通常是很细的线条如果整图缩放到224x224细裂缝的像素占比可能只有几个像素网络很难捕捉。解决思路主要有三种第一种是提升输入分辨率。把Resize从224x224改成284x284甚至384x384模型能感知更多细节。代价是显存占用和训练时间上涨。我实测过从224提升到384后细裂缝的召回率提升约2个百分点。第二种是切块训练。前面提过把原始大图切成小块再训练这个策略本质上是在不损失细节的前提下把大图喂给模型。推断阶段也应使用相同方式把测试图切成多个小块逐个送入模型再将各块的预测结果聚合比如投票决定整张图是否有裂缝。第三种是使用带注意力机制的模型。比如在ResNet的最后一层加入SE模块Squeeze-and-Excitation或者在分类前加入一个轻量级的注意力层。我在实验后觉得对于纯二分类任务注意力机制带来的提升有限不如前两种方法直接。但如果你的毕设需要添加技术亮点这倒是一个不错的实验方向。5.4 训练不稳定的排查方法训练loss出现大幅波动或者不下降先检查这几项按顺序排查检查数据归一化是否生效。我遇到过直接读入0到255的图片而没有除以255的问题导致loss特别大且收敛极慢。检查标签是否与输出对应。如果模型输出的两个类别恰好和标签顺序相反训练不会报错但loss会反复震荡因为模型在尝试“反着学”。检查学习率。按倍率搜索学习率是一个经典做法从1e-2到1e-6分别试一遍观察哪个量级loss下降最快且稳定。可参考的起点是AdamW预训练模型微调用1e-4SGD用1e-3。检查batch size和BN层。BatchNorm在batch size太小小于8时效果不稳定如果显存确实受限可以考虑减少模型参数或者用GroupNorm替代。排查这类问题要养成记录实验的习惯每改一个参数就记录一次结果避免盲目调参。6. 部署扩展与毕设答辩经验6.1 模型导出与本地推理训练结束不能只停留在best_model.pt这个权重文件上。为了在答辩时做现场演示我建议把模型导出成更通用的格式并写一个独立的推理脚本。我用的是ONNX格式它的好处是不依赖PyTorch环境可以在安装了ONNX Runtime的普通电脑甚至手机上运行。dummy_input torch.randn(1, 3, 224, 224).to(device) model.eval() torch.onnx.export( model, dummy_input, crack_detector.onnx, input_names[input], output_names[output], dynamic_axes{ input: {0: batch}, output: {0: batch} }, opset_version12 )推理端的核心流程是读取本地图片做和训练时完全相同的预处理resize、归一化然后喂给ONNX模型最后根据输出的两个类别概率打分。注意推理时不需要加数据增强只用测试transform。我用PyQt5做了一个简单的演示界面一个上传按钮、一个显示图片的控件、一个显示预测结果的标签。逻辑很简单但答辩现场能现场传一张图并立刻看到结果比干讲PPT有说服力得多。如果你不想做桌面端界面也可以写一个接收图片接口返回JSON的后端脚本演示时用命令行工具逐张传图同样能达到效果。6.2 Web界面与实时演示思路再进一步可以做一个网页端演示。思路是用Flask或FastAPI搭一个轻量后端前端页面支持上传图片后端接收到图片后调用ONNX推理并返回结果。整套东西加起来不到200行代码但整体完成度在答辩时会非常加分。如果是想演示实时摄像头识别则要把推理做得更高效。直接用摄像头逐帧读取画面裁剪出画面中心区域或者用滑动窗口切片逐块送入模型。这个方案对算力有一定要求建议用来做附加演示而不是核心功能。我实际测试时使用的是单张消费级显卡在224x224分辨率下一个batch的推理时间约10毫秒加上图像预处理基本能做到实时。6.3 从二分类到多分类的扩展思路毕设如果有余力可以考虑把二分类扩展成裂缝类型多分类。混凝土裂缝常见的有横向裂缝、纵向裂缝、网状裂缝、斜向裂缝等多分类任务本身变化不大只需要把最后一层全连接输出改成类别数量再准备对应标签的数据集即可。这在深度学习层面是一件非常简单的事情但在工程上价值却有明显提升。还有两个更进阶的扩展方向值得在论文里讨论。一个是结合目标检测模型做裂缝定位用YOLO或者Faster R-CNN直接在原图上框出裂缝区域输出“位置类别”信息比单纯分类更强。另一个是裂缝宽度量化在分割出裂缝像素后计算连通域宽度或者用边缘距离测量法估算平均宽度。这两个方向的代码量会明显增大但它们能让项目的技术深度提高一个层次对追求论文创新性的同学来说很有价值。6.4 答辩时容易被问到的点这是一个我自己的实际感受答辩老师很少问你“准确率是多少”他们更关心“你这个方案的可信度”和“你是否真搞懂了原理”。我把自己被问到过的几个问题整理一下“为什么用迁移学习而不是从零训练”回答要点是预训练模型已经学到了通用视觉特征用少量混凝土图片微调即可获得更好的性能同时训练时间显著缩短。“数据增强是否改变了数据真实分布会不会导致误判”回答要点是增强手段模拟的是拍摄角度、光照变化等真实场景中的自然变化不是凭空捏造特征适度增强可以有效提升泛化能力。“如果用户上传一张完全不在训练分布中的图片模型会怎么表现”这个问题没有标准答案但你应该在实验里测过。我的测试表明对空白墙面或者模糊图片模型输出的置信度通常低于0.7可以设置一个置信度阈值来拒绝低质量输入。“这个模型在实际工程中能用吗”这个问题要诚实回答从精度上看有一定可用性但真实工况下的光照、噪声、遮挡远比数据集复杂距离实际落地还需要更多现场数据验证和模型迭代。提前把这些问题的答案准备充分答辩时心态会稳很多。整个项目做下来我个人最深的体会是这类视觉分类任务真正的难点不在于代码本身而在于对数据质量和模型的耐心调试。你花在数据清洗、划分、增强上的时间一定会反映在最终测试结果上。如果你刚开始起步我建议你先训练出一个baseline模型哪怕准确率只有85%也完全没问题——有了baseline之后你就能通过对比改动来验证每一项优化是否有效这比一上来就追求最优结果要科学得多。在做这个裂缝识别项目的过程中最让我意外的是迁移学习的收益竟然如此明显一个预训练权重的价值有时候比精心调参半个星期还大。如果后续有空我也会把模型进一步做成一个完整的检测服务让这个项目真正走到实用化的方向上去。