AI技术加速落地港科广联手思谋打开智能缺陷检测新纪元-数控专题

数控装备专题>>资讯>>资讯>>内容阅读

AI技术加速落地港科广联手思谋打开智能缺陷检测新纪元

时间:2024-08-13 作者: 来源:中国工控网

AI 技术应用落地的元年，工业是主战场，尤其是工业缺陷检测。

在“生产制造-缺陷检测-工艺优化-生产制造”的

Project Page: https://envision-research.github.io/Defect_Spectrum/

Arxiv Page:

Github Repo:

Dataset Repo: https://huggingface.co/datasets/DefectSpectrum/Defect_Spectrum

突破传统限制，更贴近落地生产

高质量的数据集对CV技术和人工智能的发展起着至关重要的作用。如ImageNet不仅推动了算法的创新，还促进产业发展和进步。

在工业界，MVTec、VISION VI、DAGM2007等数据集帮助视觉学习算法更接近工业生产实际场景，但由于样本量、精度、语义描述的不足，始终限制着AI工业检测的发展。

Defect Spectrum数据集带着突破传统缺陷检测界限的任务而来，为工业缺陷提供了详尽、语义丰富的大规模标注，首次实现了超高精度及丰富语义的工业缺陷检测。

相比其他工业数据集，“Defect Spectrum”数据集提供了5438张缺陷样本、125种缺陷类别，并提供了像素级的细致标签，为每一个缺陷样本提供了精细的语言描述，实现了前所未有的性能突破。

相比其他工业数据集，Defect Spectrum精准度更高、标注更丰富

Defect-Gen两阶段生成流程示意图

Defect-Gen专门解决当前数据集中缺陷样本不足的问题，通过利用极少量的工业缺陷数据生成图像与像素级缺陷标签，即使在有限的数据集上也能工作，为AI在复杂工业环境中的应用开辟了新的可能。

Defect-Gen具体通过两个关键方法提高图像的多样性和质量：一是使用Patch级建模，二是限制感受野。

为弥补Patch级建模在表达整个图像结构上的不足，研究团队首先在早期步骤中使用大感受野模型捕捉几何结构，然后在后续步骤中切换到小感受野模型生成局部Patch，可在保持图像质量的同时，显著提升了生成的多样性。通过调整两个模型的接入点和感受野，模型在保真度和多样性之间实现了良好的平衡。而生成数据同样可以作为数据飞轮的一部分，并加速其运转。

目前，Defect Spectrum数据集的5438张缺陷样本中，有1920张由Defect-Gen生成。研究团队对应用Defect-Gen生成模型的Defect Spectrum数据集进行了全面的评估，验证了Defect Spectrum在各种工业缺陷检测挑战中的适用性和优越性。

Defect Spectrum数据集上的实际评估标准