一、项目简介

本项目来源于Kaggle上一个钢材表面缺陷检测竞赛，这也是一个非常好的将深度学习应用于传统工业材料检测的案例。本项目将使用百度飞桨PaddleX深度学习算法套件进行开发，全流程剖析整个实现过程。

钢材是现代最重要的建筑材料之一。刚材结构建筑能够抵抗自然和人为磨损，这使得这种材料在世界各地随处可见。在所有钢材加工环节中，平板钢的生产工艺特别精细。从加热、轧制，再到干燥和切割，需要几台机器协同操作，其中一个重要环节就是利用高清摄像头捕获的图像对加工环节中的钢材进行缺陷自动检测。Kaggle上举办的这场钢材缺陷竞赛希望各位参赛者利用机器学习来改进钢板表面缺陷检测算法精度，提高钢铁生产自动化程度。

二、 数据集分析

这个竞赛主要目的是定位和分类钢板表面缺陷，属于语义分割问题。对应的数据集可以从Kaggle竞赛官网下载，也可以从ai studio进行下载。下载下来后包含两个图像文件夹和两个标注文件：

分别对应如下：

• train_images：该文件夹中存储训练图像

• test_images：该文件夹中存储测试图像

• train.csv：该文件中存储训练图像的缺陷标注，有4类缺陷，ClassId = [1, 2, 3, 4]

• sample_submission.csv：该文件是一个上传文件的样例，每个ImageID要有4行，每一行对应一类缺陷

对于竞赛项目来说，拿到数据后我们首先要做的就是先对数据集进行分析。下面我们按照文本和图像逐步来分析这个数据集。

2.1 读取和分析文本数据

假设下载下来的数据集放在名为severstal的文件夹中，首先读取csv文本数据

import pandas as pdfrom collections import defaultdict

train_df = pd.read_csv("severstal/train.csv")
sample_df = pd.read_csv("severstal/sample_submission.csv")

初步查看下里面的数据

print(train_df.head())print('\r\n')print(sample_df.head())

结果如下：

   ImageId_ClassId                                      EncodedPixels
0  0002cc93b.jpg_1  29102 12 29346 24 29602 24 29858 24 30114 24 3...
1  0002cc93b.jpg_2                                                NaN
2  0002cc93b.jpg_3                                                NaN
3  0002cc93b.jpg_4                                                NaN
4  00031f466.jpg_1                                                NaN

   ImageId_ClassId EncodedPixels
0  004f40c73.jpg_1           1 1
1  004f40c73.jpg_2           1 1
2  004f40c73.jpg_3           1 1
3  004f40c73.jpg_4           1 1
4  006f39c41.jpg_1           1 1

注意数据的标注形式，一共2列：第1列：ImageId_ClassId（图片编号+类编号）；第2例EncodedPixels（图像标签）。注意这个图像标签和我们平常遇到的不一样，平常的是一个mask灰度图像，里面有许多数字填充，背景为0，但是这里，为了缩小数据，它使用的是像素“列位置-长度”格式。举个例子：

我们把一个图像（h,w）flatten（注意不是按行而是按列），29102 12 29346 24 29602 24表示从29102像素位置开始的12长度均为非背景，后面以此类推。这就相当于在每个图像上画一条竖线。

接下来统计有无缺陷及每类缺陷的图像数量：

class_dict = defaultdict(int)
kind_class_dict = defaultdict(int)
no_defects_num = 0defects_num = 0for col in range(0, len(train_df), 4):
    img_names = [str(i).split("_")[0] for i in train_df.iloc[col:col+4, 0].values]    if not (img_names[0] == img_names[1] == img_names[2] == img_names[3]):        raise ValueError

    labels = train_df.iloc[col:col+4, 1]    if labels.isna().all():
        no_defects_num += 1
    else:
        defects_num += 1

    kind_class_dict[sum(labels.isna().values == False)] += 1

    for idx, label in enumerate(labels.isna().values.tolist()):        if label == False:
            class_dict[idx+1] += 1

输出有、无缺陷的图像数量

print("无缺陷钢板数量: {}".format(no_defects_num))print("有缺陷钢板数量: {}".format(defects_num))

输出结果为：

无缺陷钢板数量: 5902
有缺陷钢板数量: 6666

接下来对有缺陷的图像进行分类统计：

import seaborn as snsimport matplotlib.pyplot as plt

fig, ax = plt.subplots()
sns.barplot(x=list(class_dict.keys()), y=list(class_dict.values()), ax=ax)
ax.set_title("the number of images for each class")
ax.set_xlabel("class")
plt.show()print(class_dict)

输出结果如下：

defaultdict(<class 'int'>, {1: 897, 3: 5150, 4: 801, 2: 247})

到这里得出的结论有两个：

（1）有缺陷和无缺陷的图像数量大致相当；

（2）缺陷的类别是不平衡的。

接下来统计一张图像中可能包含的缺陷种类数：

fig, ax = plt.subplots()
sns.barplot(x=list(kind_class_dict.keys()), y=list(kind_class_dict.values()), ax=ax)
ax.set_title("Number of classes included in each image");
ax.set_xlabel("number of classes in the image")
plt.show()print(kind_class_dict)

输出结果如下：

defaultdict(<class 'int'>, {1: 6239, 0: 5902, 2: 425, 3: 2})

这一步得到的结论是：
大多数图像没有缺陷或仅含一种缺陷，并且在训练集中没有1张图像会同时包含4中缺陷。

2.2 读取和分析图像数据

读取训练集图像数据

from collections import defaultdictfrom pathlib import Pathfrom PIL import Image

train_size_dict = defaultdict(int)
train_path = Path("severstal/train_images/")for img_name in train_path.iterdir():
    img = Image.open(img_name)
    train_size_dict[img.size] += 1

上面的代码一方面是检查训练集所有图像的尺寸是否一致，同时也检查每张图像格式是否正常，是否可以正常打开。

检查下训练集中图像的尺寸和数目

print(train_size_dict)

输出结果：

defaultdict(<class 'int'>, {(1600, 256): 12568})

可以看到训练集中图像大小为1600乘以256大小，一共有12568张。所有图像尺寸是一样的。

接下来读取测试集图像数据：

test_size_dict = defaultdict(int)
test_path = Path("severstal/test_images/")for img_name in test_path.iterdir():
    img = Image.open(img_name)
    test_size_dict[img.size] += 1print(test_size_dict)

输出结果：

defaultdict(<class 'int'>, {(1600, 256): 1801})

测试集中的图像也是1600乘以256，共1801张。

2.3 可视化数据集

首先读取csv文本数据

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom pathlib import Pathimport cv2

train_df = pd.read_csv("severstal/train.csv")

下面为了方便可视化，我们为不同的缺陷类别设置颜色显示：

palet = [(249, 192, 12), (0, 185, 241), (114, 0, 218), (249,50,12)]
fig, ax = plt.subplots(1, 4, figsize=(15, 5))for i in range(4):
    ax[i].axis('off')
    ax[i].imshow(np.ones((50, 50, 3), dtype=np.uint8) * palet[i])
    ax[i].set_title("class color: {}".format(i+1))

fig.suptitle("each class colors")
plt.show()

输出如下：

接下来将不同的缺陷标识归类：

idx_no_defect = []
idx_class_1 = []
idx_class_2 = []
idx_class_3 = []
idx_class_4 = []
idx_class_multi = []
idx_class_triple = []for col in range(0, len(train_df), 4):
    img_names = [str(i).split("_")[0] for i in train_df.iloc[col:col+4, 0].values]    if not (img_names[0] == img_names[1] == img_names[2] == img_names[3]):        raise ValueError

    labels = train_df.iloc[col:col+4, 1]    if labels.isna().all():
        idx_no_defect.append(col)    elif (labels.isna() == [False, True, True, True]).all():
        idx_class_1.append(col)    elif (labels.isna() == [True, False, True, True]).all():
        idx_class_2.append(col)    elif (labels.isna() == [True, True, False, True]).all():
        idx_class_3.append(col)    elif (labels.isna() == [True, True, True, False]).all():
        idx_class_4.append(col)    elif labels.isna().sum() == 1:
        idx_class_triple.append(col)    else:
        idx_class_multi.append(col)

train_path = Path("severstal/train_images/")

接下来创建可视化标注函数：

def name_and_mask(start_idx):
    col = start_idx
    img_names = [str(i).split("_")[0] for i in train_df.iloc[col:col+4, 0].values]    if not (img_names[0] == img_names[1] == img_names[2] == img_names[3]):        raise ValueError

    labels = train_df.iloc[col:col+4, 1]
    mask = np.zeros((256, 1600, 4), dtype=np.uint8)    for idx, label in enumerate(labels.values):        if label is not np.nan:
            mask_label = np.zeros(1600*256, dtype=np.uint8)
            label = label.split(" ")
            positions = map(int, label[0::2])
            length = map(int, label[1::2])            for pos, le in zip(positions, length):
                mask_label[pos-1:pos+le-1] = 1
            mask[:, :, idx] = mask_label.reshape(256, 1600, order='F')  #按列取值reshape

    return img_names[0], maskdef show_mask_image(col):
    name, mask = name_and_mask(col)
    img = cv2.imread(str(train_path / name))
    fig, ax = plt.subplots(figsize=(15, 15))    for ch in range(4):
        contours, _ = cv2.findContours(mask[:, :, ch], cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)        for i in range(0, len(contours)):
            cv2.polylines(img, contours[i], True, palet[ch], 2)

    ax.set_title(name)
    ax.imshow(img)
    plt.show()

接下来先展示5张无缺陷图像：

for idx in idx_no_defect[:5]:
    show_mask_image(idx)

输出结果如下：

仅含第1类缺陷的图像展示:

for idx in idx_class_1[:5]:
    show_mask_image(idx)

输出结果如下：

从图像上分析第1类缺陷主要是局部的白色噪点和黑色噪点混合区。

仅含第2类缺陷的图像展示：

for idx in idx_class_2[:5]:
    show_mask_image(idx)

输出结果如下：

从图像上分析第2类缺陷主要是竖状黑色划痕类

仅含第3类缺陷的图像展示：

for idx in idx_class_3[:5]:
    show_mask_image(idx)

输出结果如下：

从图像上分析第3类缺陷类型比较多样，这也可以从前面分析得到的第3类缺陷占比看出。总结来看，第3类缺陷主要是白色噪点和白色划痕的成片区域。

仅含第4类缺陷的图像展示：

for idx in idx_class_4[:5]:
    show_mask_image(idx)

输出结果如下：

从图像上分析第4类缺陷主要是大面积的黑色凸起。

最后再看下同时具有3种缺陷的图片：

for idx in idx_class_triple:
    show_mask_image(idx)

以上分析可以帮助我们快速掌握数据基本属性，初步了解项目难度。在实际比赛时这些数据分析是非常重要的，通过这些数据分析再挖掘整理成重要的“线索”，然后改进算法模型，往往可以取得出其不意的好效果。

三、制作标准数据集

3.1 PaddleX数据集格式说明

从前面的数据分析中我们看到钢板图像的每个像素只属于1种缺陷类别（或者没缺陷），由于我们需要定位出钢板缺陷的精细区域，因此可以把这个任务看作是一个语义分割任务，即按照像素级别精度判断每个像素所属的缺陷类别。

接下来我们就可以使用语义分割算法进行训练和验证。本项目采用百度飞桨PaddleX算法套件来快速训练。PaddleX是飞桨全流程开发工具，集飞桨核心框架、模型库、工具及组件等深度学习开发所需全部能力于一身，打通深度学习开发全流程。简单来说，使用PaddleX有两个明显的好处：

• 快速验证算法模型：无论是做工业项目还是参加类似Kaggle的竞赛，没有一个算法是通吃的，那么我们必然需要尝试很多不同的算法，这时候快速验证算法模型有效性就显得尤为重要。对于一个未知的深度学习任务来说，我们刚开始并不知道到底使用什么样的模型算法去处理才能得到一个比较好的基准值，这时候就需要有一个接口切换简单、实现快捷方便、算法功能齐全的算法库工具，能够让我们快速的去验证模型有效性，这里PaddleX就是这样一个比较好的工具，它包含了图像分类、分割、检测等常见的、实用的深度学习模型，而且接口进行了高度统一，我们可以使用它来快速的训练各个模型，并选取一个比较好的基准值。在这个基础上，我们再去进行算法优化。

• 模型快速部署：对于真实的工业任务来说，不光要训练得到一个高精度的算法模型，还需要考虑部署的便捷性和有效性。很多模型尽管精度很高，但是由于采用了非常嵌套的动态图模型编写方式，如果将其直接静态图导出或者转成onnx往往会遇到问题，那么这时候必然需要算法工程师手动去修改模型，这对于真实项目来说会极大的增加项目开发难度，降低项目开发效率。使用PaddleX的好处在于，在PaddleX中的模型基本都已经被验证过了，能够在多种平台上进行落地部署，比如C++推理、手机移动端推理等，同时还给出了详细的部署教程，因此，选择PaddleX进行真实深度学习产品开发或者打比赛都是一个不错的选择。

PaddleX安装方法参考官网。本项目使用PaddleX v2.0.0版本进行实现。

为了能够使用PaddleX进行语义分割训练，我们首先要对数据集格式进行转化。PaddleX语义分割算法要求数据集按照如下方式进行组织：

原图均放在同一目录，如JPEGImages，标注的同名png文件均放在同一目录，如Annotations。示例如下：

MyDataset/ # 语义分割数据集根目录
|--JPEGImages/ # 原图文件所在目录
|  |--1.jpg
|  |--2.jpg
|  |--...
|  |--...
|
|--Annotations/ # 标注文件所在目录
|  |--1.png
|  |--2.png
|  |--...
|  |--...

JPEGImages目录存放的是原文件图像(jpg格式)，Annotations存放对应的标注文件图像(png格式) 。这里的标注图像，如1.png，为单通道图像,像素标注类别需要从0开始递增, 例如0， 1， 2， 3表示4种类别（一般0表示background背景)，标注类别最多255个类别(其中像素值255不参与训练和评估)。

3.2 数据转换

数据转换本身并不难，在前面可视化数据的时候已经将缺陷区域显示了出来，因此，数据转化时只需要将缺陷对应的灰度值填入mask即可。

将下载下来的数据集解压后放置在当前项目根目录下，然后执行下面的代码即可：

python prepare_dataset.py

执行完后在当前根目录下会生成PaddleX标准的数据集，名为steel。

执行完以后在生成的steel文件夹下面创建一个标签说明文件，文件名为labels.txt,内容如下：

0
1
2
3
4

这个文件用来指明当前到底有哪些像素标签值（本项目共4种缺陷，对应标签为1、2、3、4，这里的0标签表示背景）

转换完的数据集也可以直接从ai studio上进行下载。

3.3 数据切分

在模型进行训练时，我们需要划分训练集，验证集和测试集，可直接使用paddlex命令将数据集随机划分。本项目将训练集、验证集和测试集按照8.5：1：0.5的比例划分。 PaddleX中提供了简单易用的API，方便用户直接使用进行数据划分。具体命令如下：

paddlex --split_dataset --format SEG --dataset_dir steel --val_value 0.1 --test_val 0.05

数据文件夹切分前后的状态如下:

  steel/                            steel/
  ├── Annotations/      -->         ├── Annotations/
  ├── JPEGImages/                   ├── JPEGImages/
  ├── labels.txt                    ├── labels.txt
                                    ├── test_list.txt
                                    ├── train_list.txt
                                    ├── val_list.txt

执行上面命令行，会在steel下生成train_list.txt, val_list.txt, test_list.txt，分别存储训练样本列表，验证样本列表，测试样本列表。

四、训练和验证

PaddleX提供了丰富的视觉模型，在语义分割中提供了DeepLabV3、UNET、HRNET和FastSCNN系列模型。在本项目中采用重量级HRNET为分割模型进行钢板缺陷检测。

4.1 基于HRNet模型

4.2 基于UNet模型

五、部署

5.1 模型导出

模型训练后保存在output文件夹，如果要使用PaddleInference进行部署需要导出成静态图的模型,运行如下命令，会自动在output文件夹下创建一个inference_model的文件夹，用来存放导出后的模型。

paddlex --export_inference --model_dir=output/hrnet/best_model --save_dir=output/inference_model

5.2 C#桌面部署

模型部署采用了PaddleX提供的C++ inference部署方案，在该方案中提供了C#部署Demo，用户可根据实际情况自行参考修改。