BladeSynth:用于航空发动机叶片缺陷检查的高质量基于染的合成数据集.
M A Mohammed Eltoum1, Ehtesham Iqbal1, Yahya Zweiri1,2
1Advanced Research and Innovation Center (ARIC), Khalifa University of Science and Technology, Abu Dhabi, United Arab Emirates.
Scientific data
|July 19, 2025
概括
使用基于物理的染生成合成航空发动机叶片数据解决了工业数据稀缺问题. 这种方法提高了工业4.0应用程序的缺陷检测精度.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
背景情况:
- 工业4.0整合依赖于人工智能 (AI),但工业数据集很少.
- 现有的合成数据生成人工智能方法往往是低效和数据饥饿的.
研究的目的:
- 开发一种有效的方法来生成合成航空发动机叶片数据集.
- 解决工业人工智能应用中的数据稀缺性挑战.
- 使用合成数据来提高缺陷检测的准确性.
主要方法:
- 使用基于物理的染程序来生成合成数据集.
- 准备好的计算机辅助设计 (CAD) 模型和材料纹理.
- 使用域随机参数 (摄像头,照明,背景) 构建现实的检查场景.
主要成果:
- 创建了一个航空发动机叶片的合成数据集.
- 使用合成数据集训练了一个缺陷检查模型.
- 在监督和无监督的缺陷检测任务中表现出有效性.
- 经验证的sim-to-real可转移性用于现实世界缺陷分类.
结论:
- 基于物理的染是生成工业合成数据的有效方法.
- 合成数据显著提高了缺陷检测的准确性.
- 在合成数据上训练的模型在真实世界的工业检查任务中表现出强的表现.


