企业官网建设流程全解析

做木材板材智能计数与识别这个项目，起因其实很朴素。朋友经营一家板材仓储厂，有一回我去车间找他，正碰见质检员蹲在堆垛边，一张一张翻板材的侧棱，数完一遍又数第二遍，因为第一遍和第二遍差了四张。那一堆板子少说两百八十张，来回折腾了快四十分钟。当时我就说：这个活儿，其实可以交给机器。后来我们真的立项做了，核心方案就是基于Mask R-CNN的木材板材智能计数与识别系统——相机拍照，模型在图像里分割出每一块板材的顶面轮廓，再在后处理里数出准确数量，同时按规格切分不同类别。

这篇文章把这个项目从数据采集、标注、训练、后处理到产线部署的完整过程复盘一遍，重点是几个反复踩过的坑。如果你也在做类似的工业视觉计数方案，比如管材、型材、瓷砖、纸板，这套思路基本可以直接平移。

1. 板材计数为什么需要实例分割：从堆场点板说起

1.1 板材盘点现场的三个真实痛点

板材仓储场景的计数，外面人看着简单，真正到现场做一遍才知道烦。

第一是堆叠导致的信息不可见。板材不像纸箱有规整的外包装，码在一起就是一层层压着，顶面只能看到最上面一层，要看清层数得从侧棱数。很多厂的做法是拿个手电筒，对着侧棱一条一条数分层，再乘每层板数。侧棱上板材之间几乎没有视觉缝隙，数着数着就容易串行，数完自己都拿不准到底是多少。

第二是近距离高重复劳动，眼睛非常容易疲劳。同一摞板子规格高度一致，人工翻看时一旦被外界打断，基本就得从头再来。我们调研的现场小哥说，清点一摞三百张的板材，顺利的话二十分钟，不顺的话四十分钟起步，误差率大概在2%到3%。这个误差对库存台账是个持续放大的问题：每批都差一点，月底盘点对不上账，只能再拉人复核。

第三是数据不能即时电子化。人工点完还要写在纸质单子上，再录进系统，信息流转慢。厂长想看的实时库存，永远滞后半天以上。

这三个痛点指向同一个需求：能不能有一台设备，对着板材堆垛拍一张照片，直接输出“这一堆有多少块、分别是什么规格”。这就是这个项目最原始的出发点。

1.2 为什么普通目标检测不够用

初期我们也考虑过用普通目标检测。目标检测最典型的输出是矩形框，但板材计数恰恰是矩形框最不擅长的事情。

板材从顶面看，绝大多数是规则的矩形，两块板并排摆放时，相邻边界几乎重合；稍微错开一点，一个矩形框就会同时框住两到三块板的一部分。检测框本质上是一个“包含该物体的最小矩形”，当多个物体紧紧挨在一起时，框和框之间的IoU会非常高，非极大值抑制很容易把其中一块的检测框直接合并掉。

我们拿一个早期的检测模型做过实验，在板材平铺但紧贴的图片上，mAP看着还行，但数数完全不可用：两块板被当成一块、三块板被当成一块的情况比比皆是。原因不在模型性能，而是输出表达方式本身就限定死了——矩形框没能力表达“紧贴在一起的两个独立物体”。

1.3 Mask R-CNN能输出什么：模型原理与直观理解

换到实例分割，问题就绕过去了。Mask R-CNN在目标检测两阶段结构的基础上加了一个掩码分支：检测阶段先用区域建议网络（RPN）生成候选框，再用ROI Align把每个候选区域对齐到固定尺寸的特征图，最后并行输出三样东西——物体类别、边界框，以及逐像素的掩码。

用大白话说，目标检测是“拿一个相框把人框住”，实例分割是“拿一把剪刀把人像从照片里完整剪下来，再涂上颜色”。每一块板材对应一个独立的剪影，哪怕两块板紧紧贴在一起，只要掩码边界能把它们区分开，后处理就能数成两块。这就是我们选择Mask R-CNN作为核心模型的原因。

Mask R-CNN里还有一个处理细节值得提：ROI Pooling升级为ROI Align，解决了特征图对齐时的量化误差。这个问题在板材这种直角边界清晰的目标上尤其明显——边界对不齐，掩码轮廓会呈现锯齿状，后处理拿到的面积和周长都不可靠。实际对比下来，ROI Align对掩码精度的提升，在板材场景比在通用物体场景更显著。

2. 数据准备阶段最容易踩的坑

2.1 采集视角与相机布局：决定后面所有标注工作

数据怎么采，直接决定模型能不能用。

我们最初的假设是：在堆垛正上方垂直安装相机，俯拍得到完全俯视的顶面图像。这个想法听上去很标准，实际装到产线试拍才发现问题：板材堆放在厂房里，上方往往有行车、吊臂、传送带，垂直安装很难找到净空；而且垂直拍摄时侧面光源会被板材边缘遮挡，顶面形成大面积阴影。

最终采用的是斜上方俯视安装，相机离地大概3.2米，光轴与地面法线成25度左右的夹角。这样既能覆盖约1.5米乘2米的堆放区域，又避开了行车轨道。代价是板材顶面在图像里会有轻微透视变形，矩形不再是严格矩形。这个变形在标注和推理时都得接受，好在板材计数本身不依赖绝对精确的几何定位。

光照上我们吃过一次亏。起初直接用厂房里的混合照明，白天有自然光，晚上开灯，同一个位置上午和下午拍出来的板材颜色差异极大，导致模型白天效果尚可，傍晚以后误检率明显上升。后来在相机两侧加了两条长条光源，亮度调到室内环境光之上并保持恒定，情况才稳定下来。工业现场做项目，“光照一致性”往往比“光照亮度”更重要，这句话我是深有体会。

2.2 标注规范：遮挡板材怎么标、细节边界怎么抠

标注工具我们用的labelme，手动画多边形，几百张图下来，最大的心得是标注规范要先定死，否则返工返到怀疑人生。

最容易返工的坑是遮挡板材的标注方式。板材堆垛里经常出现上层压下层、斜搭等情况，下层板材只露出一部分。一开始我们要求标注员只画可见部分，结果训练出来的掩码大量缺角，计数倒是没太大问题，但后期按规格分类时形状信息全乱了。后来改成：只要能判断出板材的完整矩形轮廓，就沿着完整轮廓标，把被压住的部分也连着画上去，让掩码之间允许互相重叠。实例分割模型是支持重叠掩码的，每块板对应一个独立实例，训练时都会保留。这个改动让后期分类的准确率明显回升。

还有一个细节是板材端头细节的处理。旧板材边缘会有破损、毛刺，标注时不要为了“美观”去修圆滑，也不要只画到半途。Mask R-CNN的掩码分支是逐像素预测，标注边界形状直接影响它学到的轮廓特征，手绘多边形的点尽量贴着板材外沿走，不要大段拉直线代替。

2.3 数据增强策略：哪些增强真正有效

数据增强是项目里性价比最高、但也最容易被用过头的东西。

对板材这类纹理强、方向固定的目标，我们在训练里使用了随机水平翻转、随机缩放（0.8到1.2倍）、随机亮度扰动和少量高斯噪声。实测下来，随机翻转和随机亮度最有价值，因为它们模拟了板材堆放角度变化和现场光环境波动。

我反而建议慎用随机裁剪和大幅旋转。板材的长宽比是有业务含义的，乱旋转会让模型把“横着的板”和“竖着的板”学混淆，尺寸分类就乱了。随机裁剪切得太狠，板上纹理信息残缺，模型容易学着用纹理碎片猜物体，而不是学整体轮廓。

第一批数据集是1280张图像，标注了约16000个板材实例。其中80%用来训练，15%做验证，5%做测试。对实例分割任务来说，这个数量不算多，但每张图里的板材密度高，有效实例数足够，模型还是能稳定收敛。

3. 模型训练与调参记录

3.1 框架与预训练模型的选择

模型主体直接用开源实例分割框架实现，重点不是复现网络结构，而是把训练和部署的流程走顺。我选的是MMDetection，理由很简单：配置中心化，训练脚本和推理接口统一，切换backbone、调整anchor、改loss都是一行配置的事，迭代效率在工业项目里非常重要。

backbone我们一开始用ResNet-50-FPN，初始化直接加载在COCO上预训练好的权重。预训练的好处是网络已经学会了丰富的低级特征，比如边缘、角点、纹理，换到板材这种新领域只需要迁移高层语义，收敛明显更快。

第一轮训练跑了36个epoch，验证集上mask AP在36%左右。对跨领域的新数据集来说，这个值正常。但计数任务大家只看最终数量准不准，AP只是中间指标，我们很快就发现还要在后处理上花更大力气。

3.2 训练超参数与资源清单

训练超参数这一块，我记录一下当时的实际配置供参考：

学习率这里值得多说一句。很多开源配置默认batch 16、lr 0.02，这是经过调优的搭配。我把batch降到4之后，如果保持0.02，训练明显震荡、掩码学不精细。按线性缩放规则，lr应该大致等比缩小，所以设为0.005。这个规则不是严格的，但作为起点很实用。

3.3 验证指标与收敛情况

验证阶段我们同时看两组指标。第一组是通用的mask AP与边界框AP。第二组更贴近业务——把验证集每张图输入模型，统计“预测数量/标注数量”的偏差分布。通用指标好不代表业务指标好，我们见过mask AP高但计数偏差波动大的模型，原因通常是板材密集区有个别掩码被漏掉或重复。

最终模型在验证集上的mask AP约42.5%，预测数量和标注数量的平均绝对偏差在2.1张左右。这个水平已经可以进入后处理优化阶段了，但离产线要求的误差不超过一张还有距离。

4. 计数后处理：从掩码到准确数量

4.1 模型输出直接数数为什么不稳

模型跑完，返回的是实例列表，每个实例包含类别、边界框、掩码和置信度。最直观的数数方式是直接统计实例数量，但直接统计出来的数字基本不能用。

第一，置信度阈值没选好之前，低分误检和高分漏检并存。板材侧棱上的阴影纹理经常生成一些高分“假掩码”，阈值设低，这些假目标全混进来；设高了，被压在下面只露出一角的板材会被丢掉。对每个实例做置信度筛选时，阈值不是拍脑袋定的，而是用验证集的PR曲线来确定，最后定在0.5比较合适。

第二，同一块板可能被预测成两个重叠实例。板材中间如果有分隔线、裂缝，模型会把一块板拆成两半输出两个掩码。这种情况下我们做了掩码合并：两个掩码的IoU大于0.5就合并成一个实例，边界取置信度高的那个。不处理这一步，数量会凭空多出不少。

4.2 连通域分析与粘连板材分离

针对“一块板被拆成两个掩码”和“两块板粘连成一个掩码”这两类问题，后处理做了两层修正。

第一层是连通域检查。每个实例的掩码是二值图，用连通域标记拆成独立区域。如果同一个实例掩码包含两个明显分离的大区域，且面积接近，就作为两块板拆分处理，分别计算各自的外接矩形和面积。

第二层针对掩码只有“一条窄脖子”连着的粘连情况，用形态学开运算先断开细连接，再重新做连通域。断开后两边面积都超过最小板材面积阈值，就记为两块。这一步的效果取决于图像分辨率，板材在图像里像素宽度越小，后处理能做的越有限，所以拍摄距离不能拉太远。

4.3 面积过滤与边界截断策略

还有一个很影响计数准确度的细节：图像边缘。

板材堆垛会有些板子刚好压在图像边界上，模型只能看到半块。这种半块如果直接数，数量是对的——它就是一块板；但直接保留的话，它的面积比完整板小很多，尺寸分类会掉到错误类别，也容易和远处的小块误检混在一起。

我们的处理策略分三步：第一步，用最小面积阈值过滤真噪声，面积小于全图0.1%的掩码直接丢弃；第二步，对接触图像边缘的掩码做标记，接触长度超过掩码边界五分之一就标注为“边缘截断”，不参与规格分类，但保留计数；第三步，后处理结果里同时输出“完整板数量”和“含截断板总数量”，由业务侧决定用哪个口径。

5. 实测中的误检漏检：一次完整的排查链路

5.1 把Badcase可视化：错误分类的三个高发模式

模型和后处理跑通之后，真正的硬仗在实地测试。

我们把现场采集的200张新图喂给系统，逐张查看输出掩码叠在原图上的效果，把所有错误截图存档，再按模式分类。高发错误集中有三种。

第一种是侧棱线误检。板材堆叠时侧棱形成一条条平行线，模型偶尔会把几条平行线组成的区域当成一块很薄的板。这类误检在斜上方视角尤其多，透视变形让板材顶面和侧面的分界变模糊。

第二种是压叠漏检。上层板材完全遮住下层板的一部分时，模型对露出的窄条区域信心不足，经常直接跳过。阈值定在0.5时，这个模式的漏检率最高。

第三种是同色粘连。深色板材和阴影背景混在一起，掩码边界会“溢出”，把两块板的边界连成一片，后处理里的形态学分离也不是每次都能断开。

5.2 逐类修正：数据、anchor与阈值三板斧

针对三类问题，我们分别做了处理，而不是简单粗暴调一个参数。

侧棱误检：在训练数据里补充了大量“侧棱+端面”特写图像，专门让模型见过板材堆的侧面结构。同时把输入分辨率从短边800提到短边1000，侧棱线的细微纹理在更高分辨率下更容易被区分开。

压叠漏检：把置信度阈值从0.5降到0.4，再靠后处理里的面积过滤清除新增的低分误检。这一降一滤，净效果是漏检明显减少、误检没有反弹。

同色粘连：主要靠后处理里的形态学分离，另外在数据增强里提高亮度扰动强度，让模型对阴影更不敏感。

这个过程中最重要的习惯是每次错误都留下截图，攒成小样本集，一边改一边反复跑回归测试。没有回归测试，今天修了漏检，明天很可能多出一堆误检。

5.3 效果验证：准确率、召回率与计数误差的最终表现

三轮修正跑完，用另一批之前没见过的现场图像做最终验证，计数口径按“含截断板总数量”计算，平均绝对偏差降到0.8张左右。分规格识别的准确率约94%。单张图的计数时间受板材数量影响，这个阶段还在GPU上跑裸网络，一张图从输入到输出约500到700毫秒，已经够离线盘点场景使用。

6. 部署到产线的性能优化经验

6.1 推理管线设计：异步与队列

离线盘点和产线实时计数，性能要求完全不同。我们的场景是固定机位、自动触发拍照，产线用光电开关检测板材到位后拍照，推理期间没有人在等待，所以对单张延迟不敏感，但对吞吐率和稳定性要求高。

推理侧做成多级队列：采集线程只负责收图和存图，推理线程从队列里取任务，中间用一个有界队列缓冲。这样相机连续抓拍几张，推理进程忙不过来也不会丢任务。队列长度设成8就够用，太长反而让旧图像积压，盘点实时性变差。

6.2 模型加速与精度权衡

PyTorch模型直接推理偏慢，我们导出成ONNX，再转TensorRT，用FP16精度加速。转换过程主要做两件事：把图像预处理算子放到GPU上执行，把模型的动态batch打开，这样一次能处理多张图。

FP16会不会掉精度？我们对同一批100张图做了FP32和FP16的对比，计数结果完全一致，差异只在掩码像素级的微小偏差，业务口径不受影响。转换后单张图推理时间从原来的500到700毫秒，压到160到220毫秒左右，已经足够支撑实时抓拍触发的在线计数了。

6.3 与业务系统对接的细节

最后是输出环节。系统对外提供一个JSON接口，包含三个字段：总数量、各规格数量、每块板材的掩码轮廓点集。业务端用前两个字段做台账，用第三个字段做可视化复核。

这里有个容易被忽略的点：掩码轮廓输出的坐标单位要和相机标定结果对齐。部署时我们做了一次像素到厘米的标定，轮廓点集可以直接换算成板材实际尺寸，业务侧能自动发现“多出来的板”到底是什么规格，而不是只看一个总数。这层标定工作花了两天，但客户验收时的体验完全不一样。

这个项目做完之后还能往板材表面缺陷检测方向扩展，训练数据里已经包含每块板的高精度掩码，缺角、裂纹、划痕都落在掩码范围内，改一下标注规范就能在同一套摄像系统上复用。我自己做完最大的体会是：工业视觉项目到最后，拼的往往不是模型有多新，而是数据规范、后处理边界条件和部署稳定性这些“脏活累活”做得够不够细。希望这份复盘能帮打算做类似计数系统的朋友少走几个弯路。