01
课程导论与行业背景
风电叶片裂纹检测的痛点、大模型技术如何赋能、课程整体架构与学习目标。
行业背景大模型赋能
02
风电叶片结构与失效机理
叶片材料与制造工艺、常见裂纹类型（疲劳、冲击、分层）、裂纹扩展的物理机制。
失效分析材料科学
03
工业视觉检测基础
相机选型与光源设计、图像采集与预处理、传统图像处理算法的局限性。
成像系统预处理
04
深度学习与计算机视觉入门
卷积神经网络（CNN）核心概念、目标检测与语义分割任务简介、从分类到检测的演进。
CNN目标检测
05
大模型技术概览
什么是大模型（ViT、Swin Transformer）、预训练与微调范式、在工业视觉中的优势。
Transformer预训练
06
数据集构建（上）
数据采集策略（无人机巡检、爬壁机器人）、标注规范、标注工具（Labelme、CVAT）使用。
数据采集标注
07
数据集构建（下）
数据增强技术、长尾分布处理、数据集划分与质量评估。
增强长尾
08
模型选型与对比
主流大模型（DETR、YOLOv8、SAM）表现、计算资源与精度权衡、选型建议。
模型对比YOLOv8
09
环境搭建与工具链
PyTorch/TensorFlow环境配置、CUDA/cuDNN、Docker、MLflow/WandB。
环境配置Docker
10
基线模型训练
从零实现ResNet分类器、训练脚本、Focal Loss、AdamW优化器。
ResNetFocal Loss
11
迁移学习与微调
加载预训练权重、冻结/解冻策略、Cosine Annealing、微调经验。
迁移学习微调
12
基于ViT的裂纹检测
Vision Transformer原理、工业小样本适配、位置编码与Patch Embedding调整。
ViT位置编码
13
基于Swin Transformer的检测
Swin层级结构与窗口注意力、训练技巧、与CNN对比实验。
Swin窗口注意力
14
基于DETR的端到端检测
DETR的Transformer架构、匈牙利匹配损失、收敛优化技巧。
DETR匈牙利匹配
15
基于SAM的零样本/少样本检测
Segment Anything Model介绍、提示工程（点、框、文本）、裂纹分割应用。
SAM零样本
16
模型训练优化（上）
梯度累积与混合精度训练、分布式训练（DDP）、梯度裁剪与正则化。
混合精度DDP
17
模型训练优化（下）
超参数搜索（Grid/Bayes）、早停策略、模型EMA。
超参数EMA
18
模型评估与验证
评估指标（mAP、IoU、F1）、混淆矩阵、ROC/PR曲线、鲁棒性测试。
mAP鲁棒性
19
模型压缩与加速
模型剪枝、知识蒸馏、量化（INT8/FP16）、ONNX导出与TensorRT部署。
剪枝TensorRT
20
边缘端部署实战
NVIDIA Jetson平台部署、OpenVINO优化、嵌入式推理优化。
Jetson边缘部署
21
云端部署与API服务
Flask/FastAPI搭建推理服务、Docker镜像打包、Kubernetes集群管理。
FastAPIK8s
22
实时检测系统设计
多线程流水线架构、视频流处理（RTSP/RTMP）、告警与日志系统集成。
实时系统RTSP
23
数据闭环与持续学习
难例挖掘（Hard Negative Mining）、主动学习策略、模型在线更新机制。
主动学习数据闭环
24
案例实战（一）：无人机巡检
无人机巡检图像裂纹检测——从数据采集到模型部署全流程。
无人机全流程
25
案例实战（二）：爬壁机器人
爬壁机器人实时检测——低延迟、高精度要求的解决方案。
爬壁机器人低延迟
26
案例实战（三）：多模态融合
结合红外与可见光图像的裂纹识别。
多模态红外
27
模型可解释性
Grad-CAM热力图可视化、注意力图分析、特征重要性评估。
Grad-CAM可解释性
28
故障诊断与维护
模型漂移监测、数据分布变化检测、模型回滚与版本管理。
模型漂移版本管理
29
安全与合规
数据隐私保护（脱敏、加密）、模型安全（对抗攻击防御）、行业标准与认证。
数据隐私对抗防御
30
课程总结与未来展望
技术趋势（具身智能、世界模型）、职业发展建议、持续学习资源推荐。
具身智能职业发展