一、缺陷图谱基础认知

1.1 什么是缺陷图谱

先说说我自己的理解吧。

缺陷图谱，说白了就是一本「缺陷百科全书」。它把工业场景里见过的、能想到的缺陷，都整理成标准化的档案。每一条缺陷记录，都包含图像样本、特征描述、成因分析、检测方法这些信息。

我刚开始做视觉检测那会儿，遇到一个划痕缺陷，折腾了两天才搞定。后来发现，类似的缺陷在另一个项目里早就被记录过。如果当时有缺陷图谱，半小时就能解决。

所以，缺陷图谱不是简单的图片集合。它是一个结构化的知识库。你可以把它理解成「缺陷的DNA数据库」。每个缺陷都有自己独特的特征编码，我们通过图谱来识别和匹配。

1.2 工业视觉中的缺陷分类

工业缺陷的种类，比你想象的多得多。我按自己的经验，把它们分成四大类：

按形态分类

缺陷类型	典型例子	常见行业
点状缺陷	脏点、气泡、麻点	玻璃、薄膜、金属
线状缺陷	划痕、裂纹、拉丝	面板、PCB、钢材
面状缺陷	压伤、凹坑、脏污	注塑、冲压、涂装
体状缺陷	气泡、夹杂、空洞	铸造、焊接、3D打印

按成因分类

• 工艺缺陷：模具磨损、温度异常、压力不稳。我在注塑项目里遇到过，模具用久了，产品表面会出现细微的流痕。
• 材料缺陷：原材料杂质、气泡、分层。嗯，这个在薄膜行业特别常见。
• 环境缺陷：灰尘、油污、静电吸附。说实话，很多缺陷其实是环境造成的，不是产品本身的问题。
• 人为缺陷：操作不当、搬运磕碰。这个嘛，你懂的。

按检测难度分类

我个人习惯把缺陷分成三个等级：

1. 简单缺陷：对比度高、形态规则。比如黑色背景上的白点，算法几行代码就能搞定。
2. 中等缺陷：对比度低、形态多变。比如金属表面的细微划痕，光照一变就看不出来了。
3. 复杂缺陷：与纹理混淆、背景复杂。比如布匹上的断纱，跟正常纹理几乎一样。我曾经在这个坑里爬了两个月。

1.3 图谱构建的核心价值

为什么要花时间建缺陷图谱？我直接说三个最实在的价值：

价值一：知识沉淀

工业视觉最怕什么？怕人走了，经验也带走了。

我之前带过一个团队，有个老工程师特别厉害，看一眼缺陷就知道原因。但他从来不记录。后来他离职了，新来的同事遇到同样的问题，又得从头摸索。

缺陷图谱就是把这些经验固化下来。谁走了都不怕，图谱在，知识就在。

价值二：检测效率提升

没有图谱的时候，每次遇到新缺陷，都得重新调参、写算法。有了图谱，直接匹配相似缺陷，复用检测策略。

我算过一笔账：一个中等复杂度的缺陷，从零开始开发需要3-5天。用图谱匹配，半天就能搞定。效率提升5倍以上。

价值三：持续迭代

缺陷图谱不是建完就完事了。它是活的。

每发现一个新缺陷，就录入图谱。每优化一个检测算法，就更新图谱。时间越长，图谱越强大。

我记得有个项目，刚开始只有20种缺陷。运行一年后，图谱里积累了80多种。后来新来的同事，基本不用问人，查图谱就能解决90%的问题。

小结

这一章我们聊了三个问题：

• 缺陷图谱是什么？——标准化的缺陷知识库
• 缺陷怎么分类？——按形态、成因、难度三个维度
• 图谱有什么用？——沉淀经验、提升效率、持续迭代

下一章，我会详细讲怎么从零开始构建一个缺陷图谱。包括样本采集、特征提取、标注规范这些实操内容。到时候我会拿一个真实项目来演示。

嗯，今天就先到这儿。有问题随时交流。