Исследователи представили ScratchSim — конвейер для создания синтетических наборов данных, предназначенный для обучения моделей компьютерного зрения поиску царапин на поверхностях. Решение использует возможности BlenderProc для генерации размеченных изображений с настраиваемыми параметрами материалов и освещения, что позволяет преодолеть дефицит реальных данных для задач промышленного контроля качества и автоматизации дефектоскопии.
Проблема нехватки качественной разметки остается главным барьером при внедрении систем машинного обучения в промышленную среду. Традиционные методы сбора данных требуют значительных временных и финансовых затрат на фотосъемку и ручную аннотацию дефектов. Использование процедурной генерации позволяет создавать тысячи вариаций дефектов с точными масками сегментации, что значительно ускоряет процесс дообучения нейросетей под конкретные производственные линии.
Система обеспечивает высокую гибкость настроек: операторы могут варьировать глубину, длину и текстуру царапин, а также изменять условия съемки, включая положение камер и интенсивность источников света. Такой подход помогает моделям лучше адаптироваться к реальным условиям эксплуатации, снижая вероятность ложноположительных срабатываний при работе с различными типами покрытий и материалов.
Ключевые факты
- ScratchSim использует BlenderProc для автоматизированного рендеринга синтетических данных с полной разметкой.
- Инструмент позволяет настраивать параметры материалов, освещения и конфигурации камер для имитации различных производственных сред.
- Решение направлено на решение проблемы дефицита размеченных данных в задачах промышленного контроля качества.
- Метод обеспечивает масштабируемость процесса обучения моделей детекции дефектов без необходимости сбора реальных образцов брака.