解决焊缝AI评片中常见问题

TOI Filter 区域过滤函数通过标注焊缝区域并训练YOLOv11s模型实现焊缝内外区域的划分。import numpy as np def toi_filter(detections, weld_region_mask, threshold0.7): 过滤焊缝区域外的检测框 Args: detections: List[Dict], 检测框信息(x1,y1,x2,y2,score,cls) weld_region_mask: np.ndarray, 焊缝区域二值掩膜 threshold: float, 面积占比阈值 Returns: List[Dict], 过滤后的检测框 filtered [] for det in detections: x1, y1, x2, y2 map(int, [det[x1], det[y1], det[x2], det[y2]]) box_mask np.zeros_like(weld_region_mask) box_mask[y1:y2, x1:x2] 1 intersection np.logical_and(box_mask, weld_region_mask) eta intersection.sum() / box_mask.sum() if eta threshold: filtered.append(det) return filtered线性缺陷智能桥接函数针对分割评定导致的线性缺陷断裂问题提出以下处理流程筛选与排序筛选裂缝、未熔合LF等线性缺陷框按类别和位置排序。合并条件基于x轴间隙、y轴对齐度及桥接区域灰度特征合并满足条件的同类别缺陷框。迭代优化循环合并直至无新操作输出合并后的缺陷框。此方法有效解决因图像分块处理导致的线性缺陷截断问题。def linear_defect_bridging(defects, max_x_gap20, max_y_diff10, min_gray_diff30): 合并断裂的线性缺陷框 Args: defects: List[Dict], 线性缺陷检测框 max_x_gap: int, 最大水平间距 max_y_diff: int, 最大垂直偏移 min_gray_diff: int, 最小灰度差异 Returns: List[Dict], 合并后的缺陷框 # 按类别和x坐标排序 defects.sort(keylambda x: (x[cls], x[x1])) merged [] i 0 while i len(defects): current defects[i] j i 1 while j len(defects) and defects[j][cls] current[cls]: next_box defects[j] # 检查合并条件 x_gap next_box[x1] - current[x2] y_diff abs((current[y1]current[y2])/2 - (next_box[y1]next_box[y2])/2) if x_gap max_x_gap and y_diff max_y_diff: # 计算桥接区域灰度特征 bridge_gray calculate_bridge_gray(current, next_box) if bridge_gray min_gray_diff: # 合并框 current[x2] next_box[x2] current[y1] min(current[y1], next_box[y1]) current[y2] max(current[y2], next_box[y2]) j 1 else: break else: break merged.append(current) i j return merged位置抑制函数针对未熔合与未焊透的混淆问题利用位置特征优化分类未熔合特征黑线宽度不一位于焊缝中心至边缘的1/2处纵向延伸。未焊透特征位于焊缝根部或中部可能贯穿整张底片。规则焊缝中部30%区域中置信度0.5的未熔合预测修正为未焊透。焊缝中部30%以外置信度0.5的未焊透预测修正为未熔合。通过位置约束提升两类缺陷的区分准确率。def position_suppression(defects, weld_center_region, conf_thresh0.5): 基于位置特征修正未熔合/未焊透分类 Args: defects: List[Dict], 缺陷检测框 weld_center_region: Tuple[float,float], 焊缝中部区域(0.35,0.65) conf_thresh: float, 置信度阈值 Returns: List[Dict], 修正后的缺陷框 center_start, center_end weld_center_region for det in defects: if det[cls] in [lack_of_fusion, incomplete_penetration]: # 计算归一化位置 y_center (det[y1] det[y2]) / 2 / weld_mask.shape[0] if center_start y_center center_end: if det[cls] lack_of_fusion and det[conf] conf_thresh: det[cls] incomplete_penetration else: if det[cls] incomplete_penetration and det[conf] conf_thresh: det[cls] lack_of_fusion return defects实现效果TOI Filter减少焊缝外误检90%以上。桥接函数使线性缺陷检出完整率提升35%。位置抑制使未熔合/未焊透分类准确率提高22%。三项后处理机制协同优化显著提升评片系统的鲁棒性。# 加载焊缝区域掩膜 weld_mask load_weld_mask(weld_region.png) # 原始检测结果 raw_detections model.predict(xray_image) # 应用TOI过滤 filtered toi_filter(raw_detections, weld_mask) # 线性缺陷桥接 linear_defects [d for d in filtered if d[cls] in [crack, lack_of_fusion]] bridged linear_defect_bridging(linear_defects) # 位置抑制修正 final_detections position_suppression(bridged, weld_center_region(0.35,0.65))