使用视觉大模型进行线+弧增材制造 (WAAM) 的视频细分

科学领域:

• 制造业 工程 制造工程
• 计算机视觉 计算机视觉
• 材料科学 材料科学 材料科学

背景情况:

• 过程中监控视频对于线材+弧形增材制造 (WAAM) 和自动接的质量保证至关重要.
• 为了反控制,需要精确地对视频数据进行细分,但由于波动的弧度亮度和传统方法的局限性,这具有挑战性.
• 用于WAAM视频分割的深度学习受到数据集创建所需的高成本和时间的阻碍.

研究的目的:

• 为WAAM和接视频开发一个半自动注释工具,以克服数据集创建的挑战.
• 为了实现WAAM和接视频的快速定量分析,用户干预最小.
• 在实际应用中证明工具的有效性.

主要方法:

• 开发一个半自动注释工具,集成基础模型SAM和视频对象跟踪模型XMem.
• 使用该工具,与手动方法相比,视频注释速度要快得多.
• 展示该工具在闭环控制,滴滴传输分析和数据集组装中的应用.

主要成果:

• 开发的工具加速视频注释速度比传统的手动方法快数百倍.
• 该工具可快速对WAAM和接视频进行定量分析.
• 在三个不同的用例中成功证明了该工具的实用性.

结论:

• 大型计算机视觉模型为WAAM视频细分的挑战提供了可行的解决方案.
• 开发的半自动注释工具大大减少了创建注释数据集的时间和成本.
• 这种方法为在WAAM和接过程监控中更广泛采用深度学习提供了途径.