01
缺陷检测概述
什么是工业缺陷检测 · 传统视觉与深度学习对比 · 典型应用场景（PCB、钢材、纺织品）
基础概念
02
项目环境搭建
Anaconda安装 · Python虚拟环境 · PyTorch/TensorFlow · CUDA/cuDNN
环境配置
03
相机与光源选型
工业相机分类 · 分辨率/帧率 · 光源类型（环形/背光/同轴）与打光技巧
硬件选型
04
图像采集实战
相机SDK调用（海康/大恒）· 曝光/增益/触发 · 实时预览与保存
采集SDK
05
样本分类与命名规范
良品/缺陷定义 · 划痕/脏污/崩边/缺料 · 文件命名规则
规范管理
06
数据清洗与筛选
模糊/过曝/欠曝处理 · 去重 · 质量评估（拉普拉斯方差、BRISQUE）
清洗质量
07
标注工具介绍
LabelImg · Labelme · CVAT · Roboflow 安装对比与适用场景
工具对比
08
LabelImg实战
安装启动 · PascalVOC/YOLO切换 · 矩形框标注 · 标签文件检查
标注实战
09
Labelme实战
多边形标注 · JSON生成 · 标签转二值Mask · 不规则缺陷
多边形Mask
10
CVAT实战
Docker部署 · 项目/任务创建 · 在线标注 · SAM自动辅助
CVAT自动
11
标注质量检查
框偏移修正 · 漏标检查 · 标签一致性 · Kappa系数评估
质检Kappa
12
数据增强基础
为什么增强 · 翻转/旋转/缩放/裁剪/颜色抖动
增强基础
13
Albumentations库实战
安装与API · Compose/OneOf · 与PyTorch Dataset集成
库集成
14
高级数据增强
Mosaic · MixUp · CutMix · RandomErasing · GridMask
高级缺陷
15
样本不平衡处理
缺陷过少 · Focal Loss · 重采样 · GAN/扩散合成
不平衡合成
16
标注格式转换
PascalVOC→COCO · COCO→YOLO · 批量转换脚本
格式脚本
17
数据集划分
训练/验证/测试划分 · 分层抽样 · 交叉验证
划分策略
18
数据版本管理
DVC安装使用 · 版本回退 · 与Git协同
DVC版本
19
数据存储与备份
本地/NAS · 阿里云OSS/AWS S3 · 安全与权限
存储备份
20
数据标注外包管理
规范文档 · 验收标准 · 质量抽检 · 京东众智/Testin
外包管理
21
半自动标注策略
预标注模型 · 人工修正 · 主动学习 (Uncertainty Sampling)
半自动主动学习
22
弱监督与无监督方法
CAM定位 · 自编码器重建残差 · 知识蒸馏
弱监督无监督
23
合成数据生成
BlenderProc 3D渲染 · GAN纹理 · 域随机化
合成渲染
24
数据隐私与合规
脱敏处理 · 加密存储 · GDPR/数据安全法
隐私合规
25
数据标注平台搭建
Django/Vue设计 · API开发 · 前端标注界面
平台全栈
26
标注结果统计分析
缺陷分布 · 耗时分析 · 绩效评估 · Matplotlib/Plotly
统计可视化
27
数据管道（Pipeline）构建
采集到训练流程 · Airflow/Luigi · 质量监控告警
Pipeline调度
28
边缘端数据采集
树莓派/Jetson Nano · 边缘推理 · 离线采集与断点续传
边缘嵌入式
29
缺陷检测数据集案例
MVTec AD · NEU-DET · PCB-DATASET · 私有数据集经验
公开案例
30
课程总结与项目实战
端到端复盘 · FAQ · 未来趋势（小样本、多模态）
总结实战