企业官网建设流程全解析

水下管道智能巡检这类项目，视觉部分往往是最先被寄予厚望、也最容易在现场"掉链子"的一环。实验室水池里跑得好好的检测模型，一下真实水体就开始漏检；明明肉眼能看见的裂缝，算法给出的框却飘到管道外面去了。我在做这套水下管道智能巡检系统的视觉模块时，前前后后返工了三次，最后一次几乎把预处理链路推翻重写。这篇就把视觉这条线上踩过的坑、做过的取舍、以及那些文档里不会写的调参顺序摊开讲一遍，给同样在做水中机器人工程训练、尤其是负责图像这一块的朋友省点时间。内容覆盖水下图像退化建模、增强链路的搭建顺序、管道本体的分割与轴线拟合、缺陷检测通道、像素到物理量的换算标定，以及数据集构建中最容易被低估的工作量。不要求你已经有深度学习基础，但至少要能看懂 Python 和 OpenCV 的基本调用。

1. 水下视觉为什么不等于把陆地上的方案沉下去

1.1 光在水里走一趟，图像就已经不是原来那张图了

很多人第一次拿到水下相机的图，第一反应是"怎么这么绿/这么蓝"，然后就想着加个饱和度或者拉一下对比度完事。这个思路在清澈水池里确实能糊弄过去，但只要水体稍微浑一点，问题就会暴露得非常彻底。

水对光的吸收是有强烈波长选择性的。清水里红光衰减系数大概在 0.3～0.4 /m 量级，蓝绿光只有 0.02～0.05 /m，差了将近一个数量级。这意味着只要拍摄距离超过一米，红色通道的信息基本就已经所剩无几，图像整体会向青蓝色偏移。更麻烦的是散射：悬浮颗粒把光线乱反射回来，形成一层均匀的"雾"，这叫后向散射，它直接把整幅图的对比度压下去；而前向散射会让边缘变糊，相当于给镜头加了一个随距离变化的高斯模糊。

这两个效应叠加的结果是，同一段管道在 0.5 米处和 2 米处拍出来，颜色分布、边缘锐度、甚至目标的表观尺寸都会发生非线性变化。我最初的检测模型就是栽在这上面——训练集里绝大多数样本拍摄距离在 0.8 米以内，模型实际上学到的是"近距离管道纹理"，一旦机器人拉开距离，召回率直接掉到六成以下。

所以第一件想清楚的事是：水下图像退化不是噪声问题，是成像模型问题。你要处理的是 J(x) = I(x)·t(x) + A·(1−t(x)) 这个物理过程，其中 t(x) 是随距离指数衰减的透射率，A 是水体背景光。理解这一点之后，你就不会指望单纯调个 gamma 就能解决问题，而会去考虑分通道补偿和透射率估计。

1.2 巡检任务到底要视觉回答哪几个问题

工程训练项目最容易犯的毛病是"什么功能都想加"，最后每个都做不深。视觉模块在整条链路上真正需要交付的输出，其实就那么几项，我在动手写第一行代码之前先把它们列清楚了：

这张表定下来之后，整篇文章后面的所有技术选型都围绕它展开。比如"缺陷目标框 5 Hz 就够"，直接决定了我不需要为了帧率去牺牲输入分辨率；而"中心线偏移 ±2 cm"，反过来要求我必须做严格的像素-物理换算标定，不能拍脑袋给个系数。

提示：如果你的项目还没定这张表，先别急着训模型。输出的精度要求和更新频率会反向决定网络大小、输入尺寸、部署平台，甚至决定你要不要上双目。这些都是改起来代价很高的决策。

2. 预处理链路：先把"看得清"做到及格线

2.1 红通道补偿与对比度增强，顺序不能反

水下增强的算法一大堆，从灰度世界白平衡、伽马校正，到暗通道先验去雾、Retinex 系列，再到近两年各种基于生成模型的方案。我在选型时挨个试过，最后落地的是一条很朴素的链路，因为它足够快、足够可解释、参数的物理含义清楚，出问题能定位。

链路顺序是：红通道补偿 → 灰度世界白平衡 → CLAHE 局部对比度增强 → 轻度锐化。这个顺序是有讲究的。红通道补偿必须放最前面，因为它是一个基于通道间相关性的线性修正，你如果先做了 CLAHE，局部对比度被拉伸过，通道间的线性关系就被破坏了，补偿系数会估得很离谱。

红通道补偿用的公式很经典：

import cv2 import numpy as np def red_channel_compensate(img, alpha=1.0): # img: BGR uint8 b, g, r = cv2.split(img.astype(np.float32)) # 用绿通道的均值作为参照，补偿红通道 r_new = r + alpha * (g.mean() - r.mean()) r_new = np.clip(r_new, 0, 255) return cv2.merge([b, g, r_new]).astype(np.uint8)

alpha这个系数我实测下来在 0.8～1.2 之间比较合适。清澈水池取 0.8 就够，浑水取 1.2 甚至 1.4。它本质上是在"补多少红"和"引入多少假色"之间做权衡：补过头了管道表面会泛出不自然的品红色，反而干扰后续分割。

然后是灰度世界白平衡，假设整幅图的平均色应该是灰的，用它去估一个通道增益。这个假设在水下其实并不总是成立——如果画面里大半是蓝绿色的水，平均色偏蓝是物理事实，强行拉灰反而会让水体区域过曝。所以我加了个保护：只在管道 mask 覆盖率超过 30% 的帧上启用完整白平衡，否则只做半强度补偿。

CLAHE 是这条链路里最见效也最危险的一步。参数上，clipLimit我最终定在 2.5，tileGridSize用 8×8。这两个值的确定过程在下一节细说。

2.2 增强过头会反噬检测，我的参数调试顺序

这里必须讲一个很多人忽视的问题：增强效果的目视评价和检测效果的评价，方向经常是相反的。

我最开始调 CLAHE 的clipLimit，从 1.0 一路加到 6.0，用肉眼看，6.0 的时候管道表面的锈斑、划痕、附着物纹理全都"跳"出来了，特别清晰，当时觉得这下稳了。结果拿去做分割评测，mIoU 反而比 2.0 的时候低了 4 个点。原因很直接：clipLimit太大的时候，均匀的水体背景也被拉出了大量噪声纹理，分割网络把这些纹理误判成管道边缘，mask 边界开始毛刺化，进而把后面拟合出来的中心线带偏。

所以我的调试顺序是这样的，建议你照抄：

1. 先固定增强参数，只调网络。用一组保守参数（clipLimit=2.0）训一版基线，记住它的 mIoU 和中心线偏移的 RMS。
2. 再做增强参数的网格扫描，但评测指标不看 mIoU，看下游任务指标——也就是中心线偏移的 RMS 和缺陷框的 IoU。这才是真正关心的东西。
3. 最后做鲁棒性检查：把同一段视频分别用清水、微浑、浑水三档水体拍摄，看参数在哪一档开始崩。

扫描结果里有个很有意思的现象：clipLimit在 2.0～3.5 之间时，中心线 RMS 基本持平，在 3.5 以上急剧变差；但缺陷框 IoU 是在 2.5 左右达到峰值，再往上因为噪声反而下降。两个指标的最优点不重合，最后取了 2.5 这个折中值。你看，如果不分开测，光看 mIoU 你根本发现不了这个问题。

2.3 增强链路的实测对比

为了让你有个直观参照，我把几种常见方案在我们自采的验证集上跑了一遍。测试集包含 300 帧，覆盖三档水体、两个拍摄距离档位（0.6 m 和 1.5 m），指标是分割 mIoU 和中心线偏移 RMS。

暗通道去雾那一行值得多说两句。理论上它很适合处理散射造成的雾，但水下场景有个坑：暗通道先验假设"无雾图像中总存在某个通道的局部最小值接近 0"，而水下图像的蓝通道本身全局就偏亮，红通道又几乎全黑，这个假设直接被违反，估出来的透射率图会全图偏小，去雾之后画面反而更暗更偏红。我试过加颜色空间转换（转 Lab 只在 L 通道做）能缓解一些，但收益不值那个复杂度，最后放弃了。

生成模型方案效果确实好，但 210 ms 的耗时意味着整条链路只能跑到 4～5 fps，控制环根本吃不上。在算力有限的机载平台上，这个方案目前只能作为离线的图像美化工具，不能进实时闭环。

3. 管道本体提取：从像素分割到轴线拟合

3.1 分割模型选型：轻量优先，类别定义比网络结构更重要

管道本体提取我走了"分割 + 几何拟合"这条两段式路线，而不是直接用一个检测框回归。原因很简单：管道在图像里是一条贯穿画面的长条状目标，检测框会把大量背景框进来，中心点估计误差极大；而分割出来的 mask 可以逐列取中点，得到亚像素级的轴线。

网络用的什么？试过 DeepLabv3+、UNet、以及 YOLO 的实例分割版本。在 640×480 输入、机载边缘板卡上跑，UNet（以轻量主干为编码器）的性价比最高，mIoU 0.764，单帧耗时 22 ms。DeepLabv3+ 精度高一点点（0.771），但耗时翻倍，不划算。实例分割版本速度快但 mask 边界精度不如专门的语义分割网络，管道边缘会有 1～2 像素的锯齿，对拟合不利。

真正决定成败的其实是类别定义。我第一版定义了 6 类：管道、法兰、支架、附着物、裂缝、背景。训出来之后发现"裂缝"这一类几乎学不会，召回率不到 30%。分析下来是两个原因：裂缝像素占比太小（全图不到 0.1%），以及裂缝的视觉特征和管道表面的划痕、水渍高度相似。

后来拆成两个独立通道：分割网络只负责分 3 类（管道、背景、其他结构件），裂缝单独用一个检测网络去抓。这一拆，分割的 mIoU 从 0.71 涨到 0.764（类别少了，类间混淆也少了），裂缝的召回率从 30% 提到 68%。这个经验我觉得挺通用：当某一类的像素占比低一个数量级以上时，别硬塞进分割网络，换检测通道。

3.2 轴线拟合：为什么最后用了 RANSAC 而不是最小二乘

拿到 mask 之后，常规做法是逐列找 mask 的上下边界，取中点作为该列的中心点，然后用最小二乘拟合一条曲线。我一开始就是这么干的，结果在有两处失效：一是 mask 上有小孔洞（比如被附着物遮挡），中点直接跳到孔洞边缘；二是机器人转弯时管道在画面里是弯的，二次曲线拟合对局部异常点非常敏感，一个坏点就能把整条曲线拽歪。

换成 RANSAC 之后情况好了很多。具体做法：

import numpy as np from sklearn.linear_model import RANSACRegressor from sklearn.preprocessing import PolynomialFeatures from sklearn.pipeline import make_pipeline def fit_pipe_axis(mask, min_col_pixels=8): h, w = mask.shape cx_list, cy_list = [], [] for x in range(w): col = np.where(mask[:, x] > 0)[0] if col.size < min_col_pixels: continue # 该列有效像素太少，跳过 # 检查该列是否为连续段，断开则跳过 if col[-1] - col[0] + 1 != col.size: continue cx_list.append(x) cy_list.append(col.mean()) if len(cx_list) < 30: return None # 有效列不足，本帧不输出 X = np.array(cx_list).reshape(-1, 1) y = np.array(cy_list) model = make_pipeline( PolynomialFeatures(degree=2), RANSACRegressor(min_samples=0.6, residual_threshold=3.0, max_trials=200) ) model.fit(X, y) return model

几个参数的含义和我的取值理由：residual_threshold=3.0是像素单位，意思是偏离拟合曲线 3 像素以上的点判为外点。这个值不能太小，因为 mask 边界本身就有 1～2 像素的抖动；也不能太大，否则真正的弯曲特征会被当噪声抹平。「该列是否连续」这个检查非常关键，它把被遮挡产生的孔洞列直接剔掉了，比任何后处理都有效。

拟合出中心线之后，取图像中心列 x = w/2 处的曲线值 y_c，与图像中心 y = h/2 求差，就得到横向偏移量（像素）。这个值再经过标定换算成物理量，喂给控制。

注意：管道在画面里不是水平的时候，你用"图像中心列"去取点其实取的是斜线上的一个点，横向偏移的物理含义会打折。我的处理是先根据拟合曲线的首尾点算出一个旋转角，把图像做一次仿射旋转到管道水平，再做偏移计算。这一步不做的话，机器人转弯时会持续向一侧偏。

3.3 缺陷检测通道：小目标策略和置信度阈值

缺陷检测用的是 YOLO 系列的单阶段检测器，输入 640×640，模型选的是 n 或 s 级别的轻量版本。在边缘板卡上跑到 25～35 fps，够用。

这里真正的功夫不在模型，在数据增强和锚框尺度。裂缝这类目标在 640 输入下可能只有 4×40 像素，标准的 Mosaic 增强会把它们缩得更小，训出来效果很差。我的做法是：

• 关闭 Mosaic，改用大比例的随机裁剪+缩放（scale jitter 0.6～1.4），保证小目标在训练时尺寸分布和推理时接近；
• 提高小目标的采样权重，对面积小于 32×32 的标注框做 2 倍重复采样；
• 置信度阈值不能按常规来定。默认 0.25 的阈值在我们这个场景下误报率约 15%（把锈斑判成裂缝），我调到 0.45 之后误报降到 4%，漏检上升 3 个百分点。考虑到巡检场景"宁可少报也别乱报"，因为每一条报警都要人工复核，这个取舍是划算的。

另外补充一点现场经验：补光灯的开关状态对检测结果影响极大，几乎可以认为是两个不同的域。我的做法是在训练集里强制掺入 30% 的无补光样本，让模型对这个变量不敏感。如果在部署时才发现这个问题，返工成本会很高。

4. 从像素到动作：视觉与控制的对接细节

4.1 单目测距的标定流程，以及为什么必须装配后标定

管道直径已知（比如 200 mm），那么用相似三角形就能反推距离：

def estimate_distance(pipe_width_px, focal_px, pipe_real_width_m): # 距离 = 焦距 * 实际宽度 / 像素宽度 return focal_px * pipe_real_width_m / max(pipe_width_px, 1.0)

公式三行就写完了，难点全在focal_px怎么来。它不能直接用相机出厂参数算，因为相机装进了防水舱，隔着一层厚玻璃看外面，平板玻璃在水下会引入额外的折射，等效焦距和空气中不一样，而且视场角会被压缩（典型的压缩幅度在 5%～15%，取决于玻璃厚度和舱内空气腔的尺寸）。

我的标定流程是这样的：

1. 相机装进舱体、密封、下水，在最终装配状态下拍摄标定板。标定板要防水或者封装在透明袋里，放在水里。
2. 用棋盘格角点检测算内参，得到focal_px。
3. 用已知宽度的标尺在不同距离（0.4 / 0.8 / 1.2 / 1.6 / 2.0 m）各拍 10 张，测像素宽度，反算距离，画距离-误差曲线。
4. 如果误差随距离呈系统性偏大或偏小，说明存在折射导致的比例误差，做一个线性修正系数k，让focal_px_eff = k * focal_px。

我测出来的k是 1.07，也就是说如果不做这个修正，2 米处测距会偏大 14 cm 左右。这个量级对于管道巡检的避障判断来说是致命的——你会以为还有距离，实际上已经贴上去了。

提示：标定务必在最终装配、最终密封、最终下水状态下做。我见过有人用空气中的标定参数直接下水跑，误差大到自己都不信。装配状态一变（换个玻璃、调个镜头位置），标定全部作废。

4.2 帧率、延迟与流水线拆分

视觉链路的总延迟不是各环节耗时简单相加，得看流水线怎么排。测过一次完整链路的时间分布（640×480，边缘板卡）：

不隔帧的情况下总计约 97 ms。这个延迟意味着如果机器人以 0.4 m/s 前进，从拍到图到输出结果，位置已经前移了将近 4 cm。对于缺陷定位，这个量要补偿掉：在输出缺陷坐标时，用当前速度乘以延迟时间做前向补偿。

更关键的是控制环根本不能等视觉。我的架构是视觉节点以 10 Hz 发布中心线偏移和距离，控制节点以 50 Hz 运行，中间用一个轻量卡尔曼滤波做状态外推。视觉效果好的时候滤波主要做平滑，视觉丢帧的时候滤波做短时预测（最多支撑 300 ms），超过这个时间就降级到定深直行 + 减速。这个兜底策略在实际测试中救过好几次——水草遮挡导致连续几帧分割失败，如果没有外推，机器人会直接朝一侧冲出去。

4.3 光照突变、遮挡与丢帧的兜底策略

真实水体里，光照是会突变的。水面波纹聚焦阳光、机器人自身的补光灯在转弯时扫过舱壁、悬浮物突然飘过镜头，都会造成画面亮度在几帧内跳变几十个灰度级。

我的处理是在预处理之后加一个质量门控：

• 计算图像的平均梯度和有效分割面积的比值，如果分割出的管道面积占全图比例小于 8%，或者轴线拟合的有效列数少于 30，本帧结果标记为"不可信"，不发布；
• 连续 3 帧不可信，触发状态机降级；
• 如果检测到整图平均亮度比滑动均值偏离超过 40%，跳过当前帧的增强参数，沿用上一帧的参数，避免参数跟着噪声乱跳。

这套门控写起来不到 50 行，但它是整个系统从"能跑"到"敢让它自己跑"的分水岭。实验室里演示的时候你可以人工盯着，出了问题手动接管；真让它自己跑十几分钟，没有兜底是绝对不行的。

5. 数据集：最花时间、最容易翻车的一环

5.1 水池数据和真实水体的域差异有多大

我们自采的数据集构成大致是这样：水池数据 1800 张（清水、瓷砖背景、中心补光），真实水域数据 700 张（微浑、泥沙底、自然光），另外还有 300 张是故意在最恶劣条件下拍的难例。标注全部用多边形分割加框，双人交叉复核。

域差异有多夸张？我做过一个对照实验：只用池数据训，在真实水域测，分割 mIoU 从 0.78 掉到 0.51。掉得最狠的是管道边缘——水池里管道是深色圆柱贴着浅色瓷砖，边缘极其锐利；真实水体里管道表面附着一层生物膜，颜色和背景水体接近，边缘几乎消失。

缩小差距的手段，按性价比排序：

1. 补真实数据，哪怕只有两三百张，效果也比任何域适应算法都好。这是第一优先级。
2. 在池数据上做合成退化：按物理模型给池数据加上随机的蓝绿偏移、对比度衰减、雾状叠加，模拟不同浑浊度。这一步把 mIoU 拉回到 0.66，成本几乎为零。
3. 强增强：颜色抖动、随机伽马、模糊、噪声，这些常规手段也有用，但边际收益递减很快。

5.2 标注规范：一致性比数量重要

标注环节我踩过一个很典型的坑：两个人标同一批图，一个人把管道表面所有的深色斑点都标成缺陷，另一个人只标长度超过 3 cm 的。结果训练出来的模型学了个中间态，谁也不像。

后来定了一份硬性规范，关键几条：

• 缺陷最小标注尺寸：在标准拍摄距离（0.8 m）下，长度小于 15 像素的不标；
• 附着物只要覆盖面积超过管道投影面积的 10% 才标整体，否则只标显著部分；
• 管道与结构件的分界以几何连接处为准，不按材质颜色分；
• 模糊到人眼无法判断的样本，直接剔除，不要勉强标。

规范定下来之后，标注速度反而快了，因为不用每张图纠结。我建议在开标之前，先让所有参与的人一起标同样的 30 张，然后交叉比对，把分歧点逐条讨论清楚写进规范。这半天时间能省掉后面几天的返工。

还有个提效技巧：先训一个粗糙模型，用它预标注，人工只做修正。当模型 mIoU 到 0.6 左右的时候，预标注能省掉大概 40% 的人工时间。但要注意，模型本身的系统性错误会被标注者继承下来，所以每批预标注里要掺 10% 的纯手工标注做对照，一旦发现偏差扩大就停用预标注重训。

6. 返工三次才想明白的几个细节

6.1 防水舱玻璃带来的视野畸变，比想象中严重

前面提过折射影响测距，其实它对分割的影响同样大。平板玻璃在水下相当于一个负透镜，会让画面边缘产生桶形畸变，而且这个畸变和相机本身的镜头畸变叠加在一起，不是简单的径向畸变模型能拟合的。

我最初只用相机内参做去畸变，结果画面中心区域很准，边缘的管道轴线拟合出来会向外弯。后来改用多项式拟合的畸变查找表，用一组网格标定板在水下拍摄，逐点建立"畸变坐标 → 理想坐标"的映射，用cv2.remap做查表校正，边缘误差从 6 像素降到 1.5 像素以内。

这一步的代价是每帧多花 3～4 ms，但值得。如果你的画面边缘也用得上（管道常常从画面边缘穿出），这个校正躲不掉。

6.2 补光灯频闪和卷帘快门的组合坑

补光灯如果是 PWM 调光的 LED，在卷帘快门下会拍出横向明暗条纹。这个条纹对人眼几乎不可见（因为频率高），但对分割网络的干扰极大——网络会把明暗交界线当成管道边界，轴线直接跳变。

排查过程挺费劲的。最开始怀疑是水体波动，换了静止水箱还有；怀疑是相机问题，换相机还有；最后用高速摄影看补光灯才发现是频闪。

解决方式两个：一是把补光灯改成恒流驱动，去掉 PWM 调光；二是把曝光时间设成工频周期的整数倍（我们这边是 50 Hz，取 20 ms 的整数倍）。两个一起用，条纹彻底消失。如果只能选一个，优先改驱动方式，因为曝光时间拉长会牺牲动态场景的清晰度。

6.3 评测指标好看但现场表现差，问题出在哪

这个坑我觉得最值得单独说。模型在验证集上 mIoU 0.76、缺陷 mAP 0.72，看着挺体面，实际下水跑的时候，操作的人反馈"老是漏报"。

排查下来是验证集的分布和现场不匹配。验证集是随机从全部数据里切的，而实际运行时，机器人大部分时间在拍"没有缺陷的正常管道"，只有少数时间经过缺陷段。也就是说，现场遇到缺陷的样本比例远低于验证集。这种情况下，模型在验证集上的表现被大量简单样本拉高了。

改法很简单：按"缺陷尺寸分档"重新统计。把缺陷按像素面积分成小（<32²）、中（32²～96²）、大（>96²）三档，分别算召回。结果一目了然：大缺陷召回 91%，中缺陷 74%，小缺陷只有 38%。现场反馈的"漏报"全部落在小缺陷档。

定位问题之后对策也清楚了：针对小缺陷单独做一次过采样重训，同时把输入分辨率从 640 提到 800（代价是推理时间从 22 ms 涨到 31 ms，可以接受），小缺陷召回提到 61%。这个数字依然不算好，但至少不再是个黑盒——你知道它的边界在哪，可以在报告里如实写清楚，而不是给个虚高的总指标。

提示：任何一个视觉指标，只要它没有按目标尺寸、拍摄距离、水体浑浊度分档统计，就不能拿来判断系统能不能用。整体指标是给评审看的，分档指标才是给自己看的。

最后分享一个我觉得挺有用的小习惯：每次下水测试，不管成功失败，都把原始视频原封不动存下来，按日期和测试条件建目录。我后期做域适应、调参、复现 bug，全靠这些原始素材。有一次一个诡异的轴线跳变查了两天，最后在三个月前的一段旧视频里找到了同样的现象，一对比就发现是那个批次的补光灯驱动板有问题。这些素材的价值在采集当时是看不出来的，但它是你后面所有分析的唯一依据。存储成本相对于整个项目的投入，真的不值一提。