我们做工业视觉的人，其实天天都在和"脏、乱、差"的数据打交道。钢轨表面缺陷检测就是其中特别典型的一个场景——目标小、形态杂、环境光干扰大、误报代价又高。这几年深度学习方案逐步落地，YOLOv5因为工程生态成熟、部署链路短，成了很多团队的第一选择。这篇内容我把自己拆过的项目代码完整过一遍，从工程结构、训练逻辑到推理部署的坑，尽量讲得细一些。如果你正打算做类似的工业检测项目，或者拿到一份YOLOv5检测代码但看得一头雾水，这篇应该能帮你节省不少摸索时间。

先说清楚这个系统到底解决什么问题。钢轨在轧制和服役过程中，表面会出现裂纹、划伤、结疤、麻点、掉块等缺陷，这些缺陷如果漏检，轻则影响钢轨寿命，重则直接威胁行车安全。传统的人工目视检查效率低、漏检率高，而基于深度学习的视觉检测系统，可以架在产线或巡检车上，对钢轨表面图像做实时分析，直接输出缺陷类别和位置信息。YOLOv5作为当前最成熟的一阶段目标检测算法之一，在精度和速度之间取得了很好的平衡，非常适合这种既要检得准、又要跑得快的工业场景。

这套系统的代码量不算大，但麻雀虽小五脏俱全。核心包括数据加载与增强、模型结构构建、损失函数计算、训练流程控制、测试评估，以及最后的模型导出和推理预测。理解这套代码，本质上就是理解一条完整的算法落地流水线。我下面按照一个典型项目的标准结构，逐个模块给你拆开讲。

1. 系统整体设计与代码结构拆解

1.1 为什么工业落地首选YOLOv5

先聊几句选型逻辑。工业项目选模型，我们一般不看谁刷榜刷得高，而是看三件事：第一，能不能在产线的硬件条件下跑实时，钢轨检测通常要求处理速度不低于30FPS，老旧的工控机甚至只有CPU推理，YOLOv5的轻量级模型配合TensorRT加速完全够用。第二，技术栈熟不熟，团队里随便一个工程师都读过YOLOv5源码，遇到问题好排查，这点在项目维护期尤其重要，因为工业项目的痛点从来不是"模型跑不起来"，而是"模型跑起来了但没人会改"。第三，工程生态是否完整，YOLOv5自带的超参数进化、多种数据增强、自动锚框计算、模型剪枝蒸馏工具链，基本覆盖了从训练到部署的所有环节。

对比当时其他方案，Faster R-CNN精度上限可能略高，但推理速度在工业场景下有点吃紧；EfficientDet系列调参复杂度高，训练慢；YOLOv5则是一个"上手就能跑、踩坑也有人陪"的方案。所以很多做钢轨缺陷检测的团队，比如我接触过的几个项目组，第一版都是拿YOLOv5源码改的，先跑通流程，再针对缺陷数据做定向优化。

1.2 工程目录结构与模块职责

一套规范的YOLOv5钢轨缺陷检测工程，目录结构大致长这样：

RailDefect_YOLOv5/ ├── data/ # 数据集配置与标签管理 │ ├── defect.yaml # 类别定义、数据路径 │ └── rail_defect/ # 原始图像与标注文件 ├── models/ # 模型结构定义 │ ├── yolov5s.yaml # 小模型配置 │ ├── yolov5m.yaml # 中等模型配置 │ └── common.py # 基础模块实现 ├── utils/ # 工具函数库 ├── train.py # 训练入口 ├── detect.py # 推理入口 ├── val.py # 评估入口 └── export.py # 模型导出脚本

不要小看这个目录结构，它本身就是一套最佳实践。data、models、utils三者解耦，意味着你可以不动模型代码就更换数据集，也可以不动数据逻辑就切换模型规模。钢轨缺陷检测项目在迭代过程中，最频繁的改动就是加类别、调数据、换模型结构，这套结构能让每次改动的影响范围最小化。

1.3 系统工作流程全景

整个系统运行起来是个什么流程？我用最直白的话给你串一遍。训练阶段，你的钢轨表面图像和对应的缺陷标注框会被送入数据加载器，加载器做随机增强（翻转、旋转、色彩抖动、马赛克增强），增强后的图片进入YOLOv5模型前向传播，输出预测的边界框和类别概率，然后与真实的标注框计算损失，反向传播更新权重。这个过程反复进行，直到损失收敛。推理阶段就简单了，一张钢轨图像输入模型，经过归一化处理后前向推理，输出原始检测框，再用NMS（非极大值抑制）去掉重复框，最后把置信度满足阈值的检测框绘制在图上并输出缺陷类别与坐标。

这套流程里的每一个环节都有不少工程细节，尤其是数据增强和损失计算这两块，直接决定了钢轨缺陷检测的最终精度，后面的章节我逐步展开。

2. 数据模块的精髓：钢轨缺陷数据的加载与增强

2.1 钢轨缺陷数据的痛点与应对

先摸清数据底牌。钢轨表面缺陷数据有几个让人头疼的特征：一是缺陷目标尺寸差异巨大，有的裂纹宽度只有几个像素，有的掉块能占到半幅图像，YOLOv5的多尺度特征融合就是为此设计的；二是正负样本极度不平衡，一张正常的钢轨图像里往往只有一小块区域是缺陷，背景占了绝大多数；三是缺陷形态与背景纹理相似，比如轻微划伤在灰度上和正常的轧制纹路几乎一样，这也是钢轨缺陷检测普遍比通用目标检测难的重要原因。

数据处理层面，我们首先要规范标注格式。YOLOv5使用的是YOLO格式的txt标注文件，每一行对应一个目标，格式为"类别id 中心点x 中心点y 框宽度 框高度"，四个坐标值都是相对于图像宽高的比例。举个例子，一张1280x720的图像上，某个裂纹目标的左上角在(512, 360)、右下角在(640, 720)，那么中心点坐标就是(576, 540)，归一化后是(0.45, 0.75)，宽高归一化后是(0.1, 0.5)，标注文件里就是"0 0.45 0.75 0.10 0.50"。

注意：标注坐标归一化这一点极其重要，很多人漏检问题最后查出来是标注坐标换算错误。建议在数据准备阶段就写一个可视化脚本，把标注框画到图上人工检查。可视化这一步绝对不能省，否则错误会潜移默化地影响所有后续结果。

2.2 数据集配置文件的编写要点

看一段典型的defect.yaml：

train: ../data/rail_defect/train.txt val: ../data/rail_defect/val.txt nc: 4 names: ['crack', 'scratch', 'shelling', 'dropped_block']

nc表示缺陷类别数，这里我有四个类别，分别是裂纹、划伤、剥落、掉块。需要提醒的是，类别名称尽量用具体的英文单词，避免用class1这种无意义命名。你后面做错误分析时，一张图看到crack和看到class2的感受完全不同。

train.txt和val.txt里存的是所有训练和验证图片的绝对路径或相对路径，一行一张图。YOLOv5源码会根据图片路径自动找到同名的txt标注文件。这里又有个容易踩的坑：训练集和验证集划分的时间点要在第一次训练前就确定好，而且一旦确定就不要再动，否则验证集"漏题"会导致精度虚高，到了部署现场原形毕露。

2.3 数据增强策略的选择与调参

YOLOv5自带一套相当复杂的数据增强流水线，在训练时实时执行。核心增强包括马赛克增强、随机仿射变换、HSV色彩空间扰动、随机水平翻转。马赛克增强是把四张图拼成一张大图再随机裁剪，这个策略对小目标检测效果非常好，因为相当于把多张图的信息浓缩到一张图里，变相增加了batch size。钢轨缺陷目标很多是小目标，所以默认开启马赛克增强是合理选择。

但马赛克增强在训练后期建议关闭。YOLOv5源码中有自适应机制，在最后几个epoch会自动关闭马赛克增强，原因很简单——马赛克产生的图片和真实场景分布有偏差，后期训练需要"回归真实"，否则模型学到的特征会带着人为拼接痕迹。

HSV扰动对钢轨检测有特殊意义。不同钢厂、不同光照条件下的钢轨表面颜色差异很大，合理的色彩抖动范围可以提升模型的鲁棒性。但要注意，如果缺陷形态比较依赖颜色纹理（比如结疤区域的颜色发暗），过强的色彩扰动反而会模糊掉关键特征。我给几个常用配置参考：

我习惯把scale范围调大一些，因为钢轨检测相机安装高度、角度各异，模型需要能适应不同尺度的缺陷。但translate不建议调太大，钢轨表面图像中缺陷通常不会偏离中心太远，过大的平移会引入大量无效背景。

2.4 从零开始训练时的锚框计算

锚框（anchor）是目标检测里绕不开的概念。简单理解，锚框就是一组预设的初始包围盒，模型基于它们做修正预测。YOLOv5有两个模式：如果数据集是标准COCO这类公开数据集，直接用预置锚框即可；如果是钢轨缺陷这种自定义数据集，建议开启自动锚框计算。

在训练命令中加上--noautoanchor可以关闭自动计算，但如果关闭，模型就要从COCO的锚框出发去适配你的缺陷数据，相当于一步没走对，后面全靠模型硬扛。我建议第一次训练时务必让YOLOv5自动计算锚框，源码会使用K-Means聚类算法分析你的标注框尺寸分布，生成适合当前数据集的锚框组合。

实操中还有个经验：如果数据集特别小（比如只有几百张），自动锚框计算出来的结果可能不稳定，此时可以手动收集所有标注框的宽高，画一个散点图，观察分布是不是集中。通常钢轨缺陷标注框会集中在几个长宽比上，比如裂纹是长条形的，宽高比很大；掉块是块状的，接近正方形。锚框计算本质是在拟合这个分布。

3. 模型结构解析：YOLOv5检测钢轨缺陷的核心原理

3.1 从配置YAML看模型整体架构

YOLOv5的模型结构定义藏在models/yolov5s.yaml这类配置文件里。我看到很多初学者一打开YAML就懵了，其实你只需要抓住三个部分：backbone（骨干网络）、head（检测头）、nc（类别数）。配置文件里的数字列表分别代表每层的输入通道数、输出通道数、模块类型和参数。

以yolov5s为例，backbone部分由Focus结构、CSP模块和SPP模块组成。Focus模块通过切片操作将输入图像的尺寸缩小四分之一、通道数扩展四倍，本质上是一种无损下采样。CSP模块（Cross Stage Partial）将特征分成两路，一路经过卷积处理，一路直接连接，最后拼接合并，这种设计可以减少计算量的同时保持特征表达能力。SPP模块使用不同尺寸的池化核提取多尺度特征，对钢轨缺陷这种多尺度目标的检测非常关键。

head部分采用PANet（Path Aggregation Network）结构，自底向上和自顶向下两条路径融合多层特征。为什么要做特征融合？因为不同尺寸的缺陷需要不同的特征分辨率——大掉块在浅层特征中细节更多，小裂纹在深层语义特征中更容易被识别。PANet把浅层的边缘纹理信息和深层的语义信息融合起来，让模型在多个尺度上都有足够的判别能力。

3.2 不同模型规模的选型思考

YOLOv5系列提供了n/s/m/l/x五档规模，从轻到重。钢轨缺陷检测用哪个？我的建议是分阶段考虑。

• 快速验证阶段用s甚至n，先把流程跑通，确认数据标注和训练链路没问题；
• 精度优化阶段用m或l，通过提升模型容量来压精度；
• 部署落地阶段回到s或n，配合TensorRT量化压缩，保证产线上的实时性。

这个顺序其实就是项目开发的真实节奏。不要一上来就上x大模型，训练慢、部署难、过拟合风险高。钢轨缺陷数据往往只有几千张，大模型在这个量级的数据上很容易直接把训练集的噪声背下来，验证集上表现不错，一到现场就露馅。

我在项目中实际对比过，yolov5s在钢轨缺陷验证集上mAP@0.5大概89%，yolov5m能到92%左右，yolov5l反而只提升了不到1%，却牺牲了将近一倍推理速度。这说明在这个任务上，yolov5m基本就是性能和效果的平衡点。当然这个数字只能说明特定数据集的相对趋势，你的数据分布不同结论可能不同。

3.3 配置文件深度定制

实际项目中nc、depth_multiple、width_multiple是你最常动的三个参数。depth_multiple控制网络层数的缩放比例，width_multiple控制每层通道数的缩放比例。yolov5s就是在这两个系数上取0.33和0.50，yolov5m取0.67和0.75。

如果钢轨缺陷的类别数和目标特征差异很大，可以手动微调检测头层的输出。举个例子，如果缺陷类别只有两类（裂纹和划伤），且你的计算资源非常紧张，可以在YAML里把head部分最后几层的输出通道数改小，减少模型参数量。但我不建议上来就魔改结构，先跑通默认配置，再逐步裁剪。

3.4 预训练权重的关键作用

YOLOv5官方提供了在COCO数据集上预训练的权重，后缀为.pt文件。训练时加上--weights yolov5s.pt，代码会自动加载预训练权重，再在你的钢轨缺陷数据上微调。这个策略叫迁移学习，原理是预训练模型已经学会了通用的底层特征（边缘、纹理、形状），你只需要在高层特征上适配缺陷类别。

千万别小看这一步。从零训练一个目标检测模型需要海量数据和大量算力，而迁移学习可以在几千张缺陷图上就训出可用模型。我试过同样条件下，加载预训练权重比从零训练收敛快3倍以上，最终mAP高5到8个百分点。原因很好理解，钢轨缺陷的"裂纹"特征和COCO数据集里"裂缝""树枝"等类别的边缘纹理特征有一定的底层相似性，预训练权重相当于给了模型一个很好的起点。

4. 训练核心代码逻辑：损失计算与训练策略

4.1 损失函数的构成与优化目标

YOLOv5的损失函数由三部分组成：分类损失、置信度损失、边界框回归损失。训练时模型的输出会与真实标注计算这三类损失并反向传播。我分别展开说。

分类损失用的是二分类交叉熵（BCEWithLogitsLoss），对每个锚框、每个类别计算预测概率与真实标签的交叉熵。钢轨缺陷检测中，各类别外观相似度较高，分类损失会引导模型学会区分细微纹理差异。

置信度损失是判断"这个锚框里有没有目标"，同样使用BCE损失，但有个重要细节：YOLOv5对无目标的锚框会乘以一个权重系数（默认0.4）来减小背景样本的影响。钢轨缺陷场景背景占比极大，这个系数对训练稳定性影响很大，数值太小会让模型对背景过于敏感，太大则会让模型忽视真正的缺陷。

边界框回归损失计算预测框与真实框之间的CIoU（Complete IoU）损失，CIoU在IoU基础上考虑了中心点距离和长宽比，对精确定位特别重要。钢轨缺陷检测对定位精度的要求比通用目标检测高得多，比如裂纹的边界如果偏差几个像素，就可能影响后续的修复决策，所以CIoU损失的实际贡献非常关键。

4.2 训练超参数的选择与调整

钢轨缺陷检测训练中最关键的超参数包括初始学习率、batch大小、训练轮数和权重衰减。

先聊batch size。它决定了每一步训练看到多少样本。工业数据量小的情况下，batch size通常设在8到32之间。batch太小（比如2），梯度更新方向抖动剧烈，训练不稳定；batch太大（比如128），显存和内存占用高，而且小数据下容易陷入过拟合。我用12GB显存的卡训练yolov5m，batch设16比较合适。

学习率方面，YOLOv5默认初始学习率是0.01，但实际训练中我会建议用0.001到0.005起步。因为钢轨缺陷数据量小，偏高的初始学习率容易让模型在预训练权重附近剧烈震荡，把一个好起点摔得粉碎。配合余弦退火调度器，训练后期学习率逐渐降到很低的值，做精细收敛。

训练轮数的选择要看曲线，而不是拍脑袋。我一般会在tensorboard里盯三个指标：训练loss、验证loss、验证mAP。当验证loss停止下降甚至回升时，说明模型开始过拟合，立即停止训练就行。完整项目里钢轨缺陷数据大概3000张，yolov5m训练100到150个epoch就能收敛，再多也没意义。

4.3 类别不平衡问题的处理策略

钢轨缺陷数据里各类别的样本量往往差异很大，比如划伤可能有三万张，掉块只有五百张。直接训练的话，模型会严重偏向样本多的类别。处理方案有几个层次：

第一层是数据层面，最简单的做法是做样本复制（过采样），把掉块这类小类别的样本重复复制几份，让它在训练中出现的频率提高。第二层是数据增强层面，对小类别样本加强增强力度，变相扩充样本量。第三层是损失函数层面，YOLOv5的BCE损失自带pos_weight参数，可以给小类别设置更高的正样本权重，让模型更加关注它们。

我实测下来，第一层和第三层组合使用效果最稳定。单纯过采样容易导致模型对小类别过拟合；单纯调损失权重又容易让训练不稳定。先把小类别所有样本完整复制一遍，让它们在数据流中出现次数翻倍，再配合损失权重微调，基本能让各类别mAP趋于均衡。

4.4 训练日志分析与调优方向

训练过程中，tensorboard里会实时显示各类指标。我习惯关注三张曲线：Box损失曲线（边界框回归质量）、Cls损失曲线（分类质量）、Objectness损失曲线（目标检测置信度质量）。三条曲线如果都在稳定下降，说明训练一切正常。

如果发现Box损失降低但Cls损失居高不下，大概率是类别特征太相似，需要检查标注是否存在大量错标，或者考虑增加数据多样性。如果Objectness损失一直不降，说明模型无法区分前景和背景，这种情况常见于缺陷对比度极低的场景，需要对图像做预处理增强（比如直方图均衡化）来提升缺陷与背景的差异。

调优方向不要凭感觉来，我推荐用对比实验的方式，每次只改一个变量，记录结果。比如这轮试验把马赛克增强关闭，下轮试验把损失权重系数调低，对比训练曲线和mAP，用数据说话而不是靠猜。

5. 推理与部署完整流程：从模型导出到产线接入

5.1 模型导出与格式选择

训练完成后，你手头是一份.pt格式的PyTorch权重文件，这对部署来说不够高效。我们需要把它导出成更适合推理的格式，常见选择有ONNX和TensorRT。YOLOv5提供了torch.hub导出工具，一行命令就可以完成导出。

ONNX是开放神经网络交换格式，好处是跨框架、跨硬件。TensorRT则是针对NVIDIA GPU做的极致优化，能将模型推理速度提升2到5倍。在钢轨检测这种对实时性要求很高的场景，TensorRT基本上是标配选项。

导出时有个关键参数叫--simplify，对应onnx-simplifier，可以简化计算图消除冗余算子。这个参数务必加上，它能减少模型大小并提升兼容性。另外，如果模型里有动态shape操作（比如不同尺寸的输入图像），导出时要么固定输入尺寸，要么设置动态维度，否则部署时容易踩位置错乱的坑。

5.2 推理脚本的关键过程拆解

看YOLOv5的detect.py源码，推理过程核心是这几步：

# 图像预处理 img = letterbox(img, new_shape=(640, 640))[0] # 等比例缩放+填充 img = img.transpose((2, 0, 1))[::-1] # HWC转CHW，BGR转RGB img = np.ascontiguousarray(img)

letterbox是必须理解的函数，它会将输入图像等比例缩放到目标尺寸，剩余区域用灰色填充。为什么要这样做？因为模型输入尺寸是固定的640x640，但产线相机采集的图像尺寸可能千差万别，直接拉伸会导致目标变形、降低检测精度。letterbox通过填充保持原始宽高比，是工程部署中几乎必用的处理方式。

推理输出经过NMS（非极大值抑制）后，得到最终的检测框列表，然后根据类别阈值过滤掉置信度低的框。NMS的作用是解决同一个目标被多个锚框同时检测到的问题，它先按置信度排序，保留最高置信度的框，再删除与该框IoU大于阈值的其他框。这个IoU阈值默认是0.45，如果钢轨缺陷互相靠近重叠，可以适当调高到0.6，避免漏检。

5.3 可视化输出与结果保存

detect.py运行结束后，会在runs/detect/目录下生成标注好的图像。包含检测框、置信度和类别名。我建议在项目交付时，把输出格式改成JSON，除了坐标信息外还要带上检测耗时、图像ID等元数据，这样方便上游系统对接。

还有一点很多人忽略：检测结果的可视化最好带上类别对应的中文名称映射。比如模型输出crack，展示时转成"裂纹"，工程师和一线维护人员看着更直观。这类小细节在项目验收时往往比模型精度更让人满意。

5.4 部署到产线：CPU与GPU场景的取舍

钢轨检测的部署环境大致分两类。一类是产线固定工位，有稳定的GPU服务器，这种直接上TensorRT，延迟可以压缩到毫秒级。另一类是巡检小车或便携设备，环境复杂，可能是CPU或嵌入式设备，这时候要用轻量模型加量化压缩。

CPU上跑YOLOv5，我推荐用OpenVINO工具套件（针对Intel CPU）转换模型，或者使用ONNX Runtime直接推理。实测yolov5n在普通工控机CPU上可以跑到15到20FPS，基本满足低速巡检需求。如果用的是ARM架构的嵌入式设备（比如Jetson系列），TensorRT同样支持，但需要根据设备的具体GPU型号选择对应的TensorRT版本。

部署时有个我踩过的坑：TensorRT生成的引擎文件与GPU型号和驱动版本强相关，换机器必须重新生成，否则模型直接报错。这个问题在项目交付时尤其麻烦，建议把转换脚本一并交付，让现场工程师在新机器上重新生成引擎。

6. 模型评估体系：不只盯mAP

6.1 评估指标怎么看

YOLOv5用val.py来做验证集评估，核心输出指标包括mAP@0.5（IoU阈值为0.5时的平均精度）和mAP@0.5:0.95（IoU阈值从0.5到0.95等间隔采样后的平均精度）。后者更严格，也更贴近工业场景对定位精度的要求。

钢轨缺陷检测不能只看mAP。我会额外关注每一类别的单独AP。比如划伤类AP高但裂纹类AP低，说明模型在裂纹这种细长目标上还有明显短板。另外，Precision高但Recall低，表示模型漏检严重，这在安全相关场景（钢轨缺陷直接关联行车安全）往往比误报更不能接受。工程上我通常卡一个原则：Recall优先，Precision其次，宁可多报不可漏报，因为漏报的缺陷可能直接埋下安全隐患。

6.2 误报与漏报的根因分析

如果模型在某个钢种或光照条件下误报特别多，我会先检查是不是数据分布问题。具体做法是：从验证集中误报的图片里挑出代表性样本，分析模型把什么当成了缺陷。常见原因有几类：

一是缺陷标注人员标准不一致，同一形态的图像，一个人标成裂纹，另一个人标成划伤，模型在不同标注之间摇摆，就会产生误报。这类问题需要用标注评审会的方式解决，统一标注规范后重新训练。

二是背景纹理和缺陷过于相似，比如钢轨表面的轧制纹路和细裂纹几乎无法区分。这种情况下单靠YOLOv5难以根治，需要在前处理阶段加入针对性图像滤波，突出裂纹的灰度对比特征，或者用更细粒度分割模型做二次确认。

6.3 提升模型精度的实战路线

当基础模型训练完成后，提升精度有几个优先级较高的方向。第一是收集更多难例：从产线连续采集一段时间图像，专门挑出模型预测错误的样本，交给标注人员补充标注后加入训练集，这个迭代通常能带来最大的精度提升。第二是针对性数据增强：如果裂纹在特定光照下容易漏检，就模拟这种光照做数据增强。第三是做模型集成：多个不同初始化条件下训练的模型做加权投票，可以提升稳定性，但推理成本也成倍增加，产线落地时酌情考虑。

我个人的经验是，数据迭代永远是性价比最高的提升手段。模型结构大改一次可能耗时两三周，但一次高质量的数据扩充分类才是稳定提升精度最可靠的路径。

7. 实际调试遇到的典型问题与解决记录

7.1 训练损失降不下去怎么办

训练过程中最让人头疼的就是loss卡在某个值死活不降。排查顺序我建议按下面来：

先看数据。用可视化脚本随机抽几张训练图像，检查标注框是否和缺陷对齐精确。钢轨图像本身高分辨率，标注人员如果只标注了大致区域，框偏了几个像素，模型学习到的边界就会模糊，损失自然降不下去。

再看增强。马赛克增强在训练前期是帮助，但如果数据本身图像尺寸很大（例如2448x2048），马赛克把四张图缩小拼接，缺陷在拼接后可能只剩十几个像素，这个难度对模型来说太大了。这种情况可以把mosaic关闭或降低拼接概率。

最后看学习率。如果loss在大幅度震荡，试试降低学习率，或者用更小的batch。学习率过高在训练初期表现是loss不降反升或剧烈波动。

7.2 模型对现场图像检测效果差

模型在验证集上表现不错，一上产线就崩，这个问题的背后要么是数据分布不一致，要么是预处理流程不对。最典型的是图像尺寸：训练时如果输入是640x640，推理时却直接拿2448x2048的大图喂给模型，虽然letterbox会自动缩放，但如果代码里没有做，模型就傻了。另一个高频原因是色彩通道顺序：opencv读取的是BGR顺序，而PyTorch训练时通常用RGB，漏了转换的话，模型看到的图像颜色全变，缺陷特征被严重干扰。

钢轨表面在产线不同位置的光照差异很大，同一段钢轨在隧道内和室外阳光下可能差出几个曝光级别。建议在前处理流程中加入自适应直方图均衡化或灰度归一化，让模型看到的图像亮度分布保持稳定。

7.3 小目标缺陷漏检严重

钢轨表面的细小裂纹往往只有二三十个像素，这类目标在当前网络结构下很容易在多层下采样之后丢失。解决思路有几个方向：

第一个思路是提高输入分辨率，从640x640提升到960x960或1280x1280。这个是最直接的，但推理时间会同步增长，需要根据产线速度权衡。第二个思路是使用P2输出层，也就是在YOLOv5的head结构中加入更浅层的特征图，专门捕捉小目标。官方源码没有直接支持P2层，需要手工修改模型YAML，有一定工程量。第三个思路是在数据层面把小目标样本做针对性复制，让模型有更多机会学习小目标的特征。

我实际测试中，最有效的组合是"高分辨率输入+P2特征层"，能把细小裂纹的Recall从70%拉到85%以上，代价是推理速度下降了大约40%。具体怎么选，关键看产线的节拍和可用算力。

7.4 过拟合的典型信号与对策

训练集loss持续下降，验证集loss却开始上升，这就是过拟合的标准信号。钢轨缺陷数据量小，这个问题非常容易暴露。

对策从容易到复杂排列：第一，加数据增强，尤其是色彩抖动和随机形变类增强，可以人为制造更多样化的训练样本。第二，降低模型容量，从yolov5m降到yolov5s，让模型没有足够能力背下训练集。第三，加正则化，YOLOv5支持--label_smoothing标签平滑参数，设为0.01可以稍微缓解过度自信，提升泛化能力。第四，提前停止训练，发现验证loss拐点就保存此权重，后面的epoch全白跑。

最根本的对策还是增加数据量，尤其是难例样本。把一个工业现场连续运行一周的数据收集下来，错检漏检的样本全是金子。

8. 个人实操体会与项目复盘心得

这套项目做下来，我个人体会最深的其实不是模型怎么改，而是怎么把"检测系统"这四个字落地。

算法层面，YOLOv5的成熟度让开发门槛低了不少，但钢轨缺陷本身的特殊性决定了通用方案必然要经过大量定制。比如同样的马赛克增强，别人在通用数据集上提升了2个点mAP，在钢轨数据上可能反而掉点。这类问题是藏在源码底下的，只有深入关键代码逻辑、分析自己数据的分布特点才能发现。

工程层面，最大的收获是必须把检测系统的输入处理、输出格式、硬件适配当成和模型同等重要的模块来对待。在开发周期中，有将近三分之一的时间花在了数据清洗和标注规范化上，这比调模型结构更花时间，但也更值得。

部署层面，我的建议永远是"在产线上跑通一个可用版本，再回来优化精度"。很多团队喜欢在实验室里追求极致精度，等到了现场发现推理延时超标、接口对接复杂、现场工程师不会操作，项目就僵住了。先让模型跑起来，哪怕最初精度只有80%，也要让整个链路里的人看到真实的检测效果。此时，大家的反馈会指出问题的方向，这比你自己闭门调模型有效得多。

最后再分享一个小技巧。钢轨缺陷检测这种场景，缺陷形态会随着钢种、产线工艺变化，没有任何模型训一次就能用一辈子。我建议在交付代码的时候，一定要把数据标注规范和模型迭代流程一并交付给客户的算法团队，让他们能在新钢种上线时自己完成数据扩充和模型更新。一套能自我迭代的系统，远比一个当前精度很高但改不动的系统值钱。

钢材轧制的所有表面质量问题，说到底都要靠检出来才能谈后续处理。这套检测系统的价值就在于此。