物理标注用于自动光学检测：一种原位、基于指针的训练数据生成概念-计算机科学-物理标注-自动化光学检测-人机交互-机器学习.pdfVIP

物理标注用于自动光学检测：一种原位、基

于指针的训练数据生成概念

stnd

1OliverKrumpek2OliverHeimann

Dept.MachineVisionHeadofDept.MachineVision

FraunhoferIPKFraunhoferIPK

Pascalstr.8-9,10587Berlin,GermanyPascalstr.8-9,10587Berlin,Germany

oliver.krumpek@ipk.fraunhofer.de

rd

3Prof.JörgKrüger

ChairIndustrialAutomationTechnology

本TechnicalUniversityBerlin

译Pascalstr.8-9,10587Berlin,Germany

中

2摘要—本文介绍了一种新型的物理标注系统，旨在为自动

v化光学检测生成训练数据。该系统采用基于指针的现场互动方

6

2式，将受训检查人员的专业知识直接输入机器学习培训流程中。

0与传统的屏幕式标注方法不同，我们的系统允许在实际物体上进

5

0行直接标注，提供一种更直观、高效的数据标记方式。核心技术

.使用校准过的跟踪指针准确记录用户输入，并将这些空间交互转

6

0换为与开源软件兼容的标准标注格式。一个简单的投影界面还将

5视觉引导投射到物体上，以协助用户完成标注过程，确保更高的

2

:准确性和一致性。该提出的概念弥合了人类专业知识和自动化数

v

i据生成之间的差距。它使非IT专家能够参与到机器学习培训流

x程中来。初步评估结果证实了捕捉详细标注轨迹的可行性，并表图1:使用边界框特征在手动检查过程中对机械零件表

r

a明与CVAT的集成可以简化后续机器学习任务的工作流。本文面可见缺陷进行指针基于的标注。

详细介绍了系统架构、校准程序和界面设计，并讨论了该概念对

未来基于机器学习的自动化光学检测潜在贡献。

IndexTerms—物理标注；自动化光学检测；指针基础交

据阻碍了稳健自动检测系统的实施。在工业质量检测

互；互动机器学习；人机交互；原位标注

中，缺陷部件的数量通常与被检测物体总数相比相对较

少。这在需要达到高标准生产的安全关键型质量管理中

I.介绍

尤为明显，在这种情况下需要100%的检出率才能使零

最近在AI模型方面的进展已经使得许多新型光学件符合标准。此外，数字化和标注缺陷的过程通常既不

检测任务得以实现，这些任务用于工业用途。当经过适简单也不集成得很好。它往往要求使用外部数字化设备

当训练后，由AI驱动的系统可以简化手动过程，或者和辅助软件。此外，检测流程通常是经过长期完善并已

根据复杂性和需求完全自动化检测任务。然而，这些系经实施多年的。修改它们通常需要财务投资和高级管理

统的性能很大程度上依赖于培训数据的质量和准确性。层的批准。这与当前的研究一致，该研究将IT技能不

在涉及人工检查员的真实世界场景中收集这类数据仍足和数据可用性视为在制造业[8]中实现AI的主要挑

然具有挑战性。在许多项目中，缺乏手工标注的训练数战。为了解决这些挑战，我们提出了一种物理、现场注

图2:系统组件的示例，以及生成训练数据所涉及