计算机视觉算法实践录：从项目落地到技术范式的深度解构

一、工作实践：在垂直领域中打磨算法落地能力

（一）工业视觉检测：从缺陷定位到产线智能化改造

2022 年承接的某汽车零部件检测项目，是我首次深度参与工业视觉落地。目标是识别发动机缸体表面的划痕、凹陷等 6 类缺陷，检测精度需达到 99.5% 以上，且单图推理时间小于 20ms（满足产线实时性要求）。

1. 数据采集与标注的「冷启动」挑战

• 多模态数据融合：初期仅依赖可见光图像，发现光照变化导致缺陷对比度波动剧烈（如图 1 所示，同一缺陷在不同光照下的成像差异）。引入线阵激光扫描数据，通过点云重建获取三维高度信息，将缺陷的空间特征（深度、体积）作为辅助输入，使漏检率从 8% 降至 1.2%。
• 半自动化标注工具：针对日均新增 5000 + 样本的标注压力，开发基于 Active Learning 的标注系统：先用 YOLOv5 初筛高置信度样本自动标注，人工仅复核低置信度区域（置信度 < 0.6），标注效率提升 40%，标注成本下降 60%。

2. 模型架构的「效率 - 精度」平衡术

初期直接使用 Faster R-CNN+ResNet-101，验证集 [email protected] 达到 95.3%，但 GPU 推理时间长达 80ms，无法满足产线需求。通过三轮迭代实现突破：

• Backbone 轻量化：替换为轻量化模型 EfficientNet-B3，计算量减少 60%，推理时间降至 35ms，但 mAP 下降至 92.8%；
• 颈部优化：引入 BiFPN 替代传统 FPN，在不显著增加计算量的前提下，增强多尺度特征融合能力，mAP 回升至 94.5%；
• 头部改进：针对小缺陷（像素占比 < 0.5%），在检测头增加可变形卷积（Deformable Conv），使小目标检测精度提升 9%，最终单图推理时间稳定在 18ms，[email protected] 达到 96.7%。

3. 工程化部署的「最后一公里」攻坚

在边缘端（NVIDIA Jetson AGX Orin）部署时遇到算力瓶颈：原始模型 FP32 精度下显存占用达 4.2GB，超过设备显存上限。通过组合优化实现落地：

• 模型量化：采用混合精度量化（FP16+INT8），显存占用降至 2.1GB，推理速度提升 200%，mAP 仅下降 0.8%；
• 动态推理优化：根据缺陷类型动态调整推理分辨率 —— 对大尺寸缺陷（如裂纹）采用 512x512 输入，小缺陷（如毛刺）采用 768x768，平均算力消耗降低 30%；
• 异常检测补充：部署基于 GAN 的异常检测分支，对模型漏检的未知缺陷（如新型油污）进行二次筛查，将整体漏检率控制在 0.3% 以下。

（二）医疗影像分析：从单模态到多维度诊断辅助

2023 年参与的肺结节 CT 影像诊断项目，目标是辅助放射科医生快速定位磨玻璃结节（GGN），并区分良性与恶性。该项目的核心挑战在于：结节密度与周围组织高度相似（如图 2 所示，部分 GGN 的 CT 值仅比正常肺组织高 15HU），且不同设备的图像重建算法导致数据分布差异显著（如层厚从 0.5mm 到 3mm 不等）。

1. 数据预处理的「标准化革命」

• 多设备归一化：建立 CT 值标准化流水线，将不同设备的 HU 值统一到 [-1000, 400]（肺窗范围），并通过直方图匹配消除设备间的对比度差异，使跨设备验证集的 Dice 系数提升 12%；
• 三维数据增强：针