深入解析BTAD数据集：技术原理与应用实践指南

1次阅读

共计 1915 个字符，预计需要花费 5 分钟才能阅读完成。

BTAD（BTech Anomaly Detection Dataset）是工业缺陷检测领域的开源基准数据集，由三层电路板、金属齿轮和药丸包装三种典型工业品组成。数据集包含真实产线采集的 2540 张高分辨率图像（1280×720），涵盖六类常见缺陷：划痕、污渍、缺失部件等。其核心价值在于：

多品类覆盖 ：跨电子、机械、医药三大工业场景
精细标注 ：提供像素级缺陷掩膜（PNG 格式）和 JSON 格式的边界框标注
真实噪声 ：包含光照变化、遮挡等实际产线干扰因素

典型应用场景包括 PCB AOI 检测、齿轮质量分拣、药品包装质检等需要微小缺陷识别的领域。

实际使用中开发者常遇到以下挑战：

数据分布失衡 ：正负样本比例达 1:15，缺陷区域平均仅占图像 0.3%-2%
标注格式冲突 ：原始 JSON 标注需转换为模型适用的 COCO/YOLO 格式
小目标检测困难 ：最小缺陷仅 10×10 像素，常规卷积网络易漏检
跨品类泛化差 ：单一模型在三类物品上性能差异显著

import albumentations as A
import cv2
import json

# 标注格式转换（JSON→COCO）def convert_annotations(json_path, output_dir):
    with open(json_path) as f:
        data = json.load(f)
    coco_anns = []
    for item in data['annotations']:
        coco_ann = {'image_id': item['image_id'],
            'bbox': [item['x'], item['y'], item['width'], item['height']],
            'category_id': item['category_id']
        }
        coco_anns.append(coco_ann)
    # 保存转换结果...

# 针对小目标的增强策略
transform = A.Compose([A.RandomSizedCrop(min_max_height=(600, 800), height=720, width=1280, p=0.5),
    A.GaussianBlur(blur_limit=(3, 7), p=0.3),
    A.RandomBrightnessContrast(p=0.5),
    A.CLAHE(clip_limit=4.0, p=0.2)  # 增强微小缺陷对比度
])

关键处理步骤：

使用 OpenCV 进行直方图均衡化，提升低对比度缺陷的可见性
采用 Albumentations 实现随机裁剪时保持缺陷完整性
对金属反光类缺陷添加高斯噪声增强

import torch
from torchvision.models.detection import fasterrcnn_resnet50_fpn

class BTADDataset(torch.utils.data.Dataset):
    def __init__(self, transform=None):
        # 实现数据加载逻辑...

# 修改 Faster R-CNN 的 Anchor 设置
model = fasterrcnn_resnet50_fpn(pretrained=True)
model.rpn.anchor_generator.sizes = ((16, 32, 64, 128),)  # 适配小目标

# 焦点损失应对样本不平衡
criterion = torch.nn.BCEWithLogitsLoss(pos_weight=torch.tensor([15.0])  # 正样本权重
)

训练技巧：