MathorCup 2025 赛道A：集装箱破损检测实战记录

一、赛题背景

1.1 问题描述

在全球贸易中，集装箱是国际货物运输的核心载体。长期的装卸、堆叠、运输过程中，集装箱表面常常产生裂纹、凹陷、穿孔、锈蚀等损伤。这些破损不仅影响结构强度和密封性能，还可能引发运输安全事故。

传统的集装箱破损检测主要依赖人工巡检，存在效率低、主观性强、环境适应性差等问题。本赛题要求我们利用计算机视觉技术，构建智能识别模型来自动检测集装箱破损。

1.2 赛题任务

赛题包含三个子任务：

任务	描述	类型
问题1	判断集装箱图像是否存在任何形式的残损	二分类
问题2	定位残损位置并识别具体类别	目标检测
问题3	从不同维度评估模型性能	模型评估

1.3 数据集概况

数据集包含集装箱表面图像，标注了三类破损：

• Dent（凹陷）：机械冲击导致的表面凹陷，占比最高（约47%）
• Hole（破洞）：穿孔损伤，样本最少（约14%）
• Rusty（锈蚀）：腐蚀导致的锈蚀，占比约39%

数据集特点：

• 图像背景复杂（港口机械、天空、地面）
• 存在光照变化、反光、阴影、雨水、污渍等干扰
• 残损大小不一，从大面积锈蚀到细微裂缝
• 类别不平衡：无残损图片远多于有残损图片

数据集 EDA

下图展示了数据集的类别分布情况：

图：三类破损的样本数量分布

边界框的面积分布和宽高比分布：

图：边界框面积分布直方图

图：边界框宽高比分布

---

二、技术方案

我们采用了两种互补的技术路线：

2.1 方案A：ConvNeXt-Tiny + CBAM（分类任务）

这是针对问题1的图像级分类方案。

2.1.1 网络架构

输入图像 (640×640×3)
    ↓
ConvNeXt-Tiny 骨干网络
    ↓
CBAM 注意力模块
    ↓
分类头 (全连接层)
    ↓
输出：二分类/多标签概率

2.1.2 ConvNeXt-Tiny 骨干网络

ConvNeXt 是 Meta 在 2022 年提出的纯卷积神经网络，它借鉴了 Vision Transformer 的设计思想，但保持了 CNN 的结构。

为什么选择 ConvNeXt-Tiny？

• 性能优异：在 ImageNet 上达到 82.1% Top-1 准确率
• 效率平衡：Tiny 版本参数量约 28M，适合中等规模数据集
• 特征提取能力强：多尺度特征提取，适合检测不同大小的破损

import timm

# 加载预训练的 ConvNeXt-Tiny
backbone = timm.create_model('convnext_tiny', pretrained=True, num_classes=0)
# num_classes=0 表示只提取特征，不包含分类头

2.1.3 CBAM 注意力机制

CBAM（Convolutional Block Attention Module）是一种轻量级的注意力模块，包含两个子模块：

通道注意力（Channel Attention）

通道注意力学习”关注哪些特征通道”。就像人眼会自动聚焦到重要区域一样，网络也会学习关注对分类最有用的特征通道。

class ChannelAttention(nn.Module):
    def __init__(self, in_planes, ratio=8):
        super().__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)  # 全局平均池化
        self.max_pool = nn.AdaptiveMaxPool2d(1)   # 全局最大池化
        
        # 共享的 MLP
        self.fc = nn.Sequential(
            nn.Conv2d(in_planes, in_planes // ratio, 1, bias=False),
            nn.ReLU(),
            nn.Conv2d(in_planes // ratio, in_planes, 1, bias=False)
        )
        self.sigmoid = nn.Sigmoid()
    
    def forward(self, x):
        avg_out = self.fc(self.avg_pool(x))
        max_out = self.fc(self.max_pool(x))
        out = avg_out + max_out
        return self.sigmoid(out) * x  # 通道加权

空间注意力（Spatial Attention）

空间注意力学习”关注图像的哪些位置”。它帮助网络聚焦于破损区域，忽略背景干扰。

class SpatialAttention(nn.Module):
    def __init__(self, kernel_size=7):
        super().__init__()
        self.conv = nn.Conv2d(2, 1, kernel_size, padding=kernel_size//2, bias=False)
        self.sigmoid = nn.Sigmoid()
    
    def forward(self x):
        avg_out = torch.mean(x, dim=1, keepdim=True)  # 通道平均
        max_out, _ = torch.max(x, dim=1, keepdim=True) # 通道最大
        combined = torch.cat([avg_out, max_out], dim=1)
        attention = self.sigmoid(self.conv(combined))
        return attention * x  # 空间加权

2.1.4 完整模型

class ContainerDefectClassifier(nn.Module):
    def __init__(self, num_classes=1, pretrained=True):
        super().__init__()
        # 骨干网络
        self.backbone = timm.create_model('convnext_tiny', pretrained=pretrained, num_classes=0)
        
        # CBAM 注意力
        self.channel_att = ChannelAttention(768)  # ConvNeXt-Tiny 最后一层通道数
        self.spatial_att = SpatialAttention()
        
        # 分类头
        self.classifier = nn.Sequential(
            nn.AdaptiveAvgPool2d(1),
            nn.Flatten(),
            nn.Dropout(0.3),
            nn.Linear(768, num_classes)
        )
    
    def forward(self, x):
        features = self.backbone.forward_features(x)  # 提取特征
        features = self.channel_att(features)          # 通道注意力
        features = self.spatial_att(features)          # 空间注意力
        output = self.classifier(features)             # 分类
        return output

2.1.5 损失函数

二分类任务：Focal Loss

由于数据集类别不平衡（无破损图片远多于有破损图片），我们使用 Focal Loss 来处理这个问题。

Focal Loss 的核心思想是：对于容易分类的样本，降低其损失权重；对于难分类的样本，提高其损失权重。

class FocalLoss(nn.Module):
    def __init__(self, alpha=0.25, gamma=2.0):
        super().__init__()
        self.alpha = alpha
        self.gamma = gamma
    
    def forward(self, inputs, targets):
        bce_loss = F.binary_cross_entropy_with_logits(inputs, targets, reduction='none')
        pt = torch.exp(-bce_loss)  # 预测概率
        focal_loss = self.alpha * (1 - pt) ** self.gamma * bce_loss
        return focal_loss.mean()

多标签任务：BCEWithLogitsLoss + 自适应权重

对于多标签分类（同时预测三种破损是否存在），我们使用带权重的二元交叉熵损失：

# 根据训练集统计计算正样本权重
pos_weight = torch.tensor([2.0, 5.0, 2.5])  # Dent, Hole, Rusty
criterion = nn.BCEWithLogitsLoss(pos_weight=pos_weight)

2.2 方案B：YOLO（检测任务）

这是针对问题2的目标检测方案。

2.2.1 YOLO 模型选择

我们使用 Ultralytics 的 YOLO 实现，基于预训练权重进行微调。

from ultralytics import YOLO

# 加载预训练模型
model = YOLO("yolo11n.pt")  # 或使用 best.pt 进行微调

2.2.2 数据集配置

# dataset.yaml
train: images/train
val: images/test
test: images/test

nc: 3  # 类别数
names: ["Dent", "Hole", "Rusty"]

# 自定义分类权重，优先关注 Hole 和 Rusty
cls_weights: [1.0, 2.5, 1.3]

2.2.3 训练策略

model.train(
    data="dataset.yaml",
    epochs=250,
    imgsz=1024,      # 输入图像尺寸
    batch=32,
    workers=2,
    box=7.5,         # 边界框损失权重（提高定位精度）
    cls=1.0,         # 分类损失权重
    dfl=1.5,         # 分布焦点损失权重
    # ... 其他超参数
)

---

三、实验结果

3.1 分类任务结果

二分类任务（是否破损）

指标	数值
Accuracy	1.000
Precision	1.000
Recall	1.000
F1-Score	1.000

多标签任务（三种破损类型）

类别	Precision	Recall	F1-Score
Dent（凹陷）	0.911	0.694	0.788
Hole（破洞）	0.379	0.907	0.534
Rusty（锈蚀）	0.465	0.775	0.581

分析：

• 二分类任务表现完美，说明模型能有效区分”有破损”和”无破损”
• 多标签任务中，Dent 的 F1 最高（0.788），可能因为凹陷样本最多且特征明显
• Hole 的 Recall 很高（0.907）但 Precision 较低（0.379），说明模型倾向于”宁可误报也不漏报”
• Rusty 的表现中等，可能因为锈蚀形态多样

3.2 检测任务结果

YOLO 模型在测试集上的表现：

• mAP@0.5: 约 0.75
• mAP@0.5:0.95: 约 0.45

训练过程

图：YOLO 训练过程的 loss 和 mAP 变化曲线

混淆矩阵

图：YOLO 归一化混淆矩阵

PR 曲线与 F1 曲线

图：各类别的 Precision-Recall 曲线

图：各类别在不同置信度阈值下的 F1 分数

标签分布与预测可视化

图：训练集标注的边界框分布热力图

验证集上的预测结果示例：

图：验证集预测结果（红色框为预测，绿色框为真实标注）

训练批次样本：

图：训练批次样本（含数据增强后的图像和标注）

检测任务的挑战在于：

1. 小目标检测困难（细微裂缝）
2. 背景复杂导致误检
3. 类别不平衡影响少数类检测

---

四、关键技巧与经验

4.1 数据增强

from torchvision import transforms

train_transform = transforms.Compose([
    transforms.RandomResizedCrop(640, scale=(0.8, 1.0)),
    transforms.RandomHorizontalFlip(),
    transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], 
                         std=[0.229, 0.224, 0.225])
])

4.2 类别不平衡处理

1. Focal Loss：自动降低易分类样本的权重
2. 正样本权重：根据类别频率设置不同的损失权重
3. 过采样/欠采样：平衡训练集中的样本数量

4.3 模型集成

结合分类模型和检测模型的结果：

• 如果分类模型预测”无破损”，直接输出空结果
• 如果分类模型预测”有破损”，使用检测模型定位具体位置

4.4 实验记录

使用 SwanLab 进行实验记录，方便对比不同超参数的效果：

import swanlab

swanlab.init(project="mathor-container-defect")
swanlab.log({
    "train_loss": loss.item(),
    "val_accuracy": accuracy,
    "val_f1": f1_score
})

---

五、Kaggle 训练环境

5.1 环境配置

在 Kaggle Notebook 中，需要安装额外依赖：

!pip install -q timm swanlab

5.2 自动检测环境

import os

def is_kaggle():
    return os.path.exists('/kaggle/input')

if is_kaggle():
    # Kaggle 环境：使用 /kaggle/input/ 下的数据
    data_root = '/kaggle/input/mathor-container-defect'
else:
    # 本地环境：使用相对路径
    data_root = './images'

5.3 Kaggle Secrets

使用 Kaggle Secrets 存储敏感信息（如 API Key）：

from kaggle_secrets import UserSecretsClient
user_secrets = UserSecretsClient()
api_key = user_secrets.get_secret("SWANLAB_API_KEY")

---

六、总结与展望

6.1 主要贡献

1. 提出了 ConvNeXt-Tiny + CBAM 的分类方案，在二分类任务上达到完美准确率
2. 使用 YOLO 进行目标检测，实现了端到端的破损定位
3. 针对类别不平衡问题，采用了多种策略（Focal Loss、正样本权重）

6.2 不足与改进方向

1. 小目标检测：可以引入 FPN（Feature Pyramid Network）或多尺度训练
2. 类别不平衡：可以尝试 SMOTE 过采样或更复杂的采样策略
3. 模型轻量化：可以使用知识蒸馏或模型剪枝，部署到边缘设备
4. 数据增强：可以尝试 Mixup、CutMix 等高级增强方法

6.3 实际应用

该技术可以应用于：

• 港口自动化检测系统
• 集装箱租赁公司的定期检查
• 海关进出口检验
• 保险公司理赔评估

---

参考资料

1. Liu, Z., et al. “A ConvNet for the 2020s.” CVPR 2022.
2. Woo, S., et al. “CBAM: Convolutional Block Attention Module.” ECCV 2018.
3. Lin, T.Y., et al. “Focal Loss for Dense Object Detection.” ICCV 2017.
4. Ultralytics YOLO Documentation: https://docs.ultralytics.com/

---

本文记录了 MathorCup 2025 赛道A的参赛方案，完整代码已开源。如有问题，欢迎交流讨论。