在定制制造环境中用于图像细分的全面数据集
Martell Bell1, Rachel V Vitali2
1University of Iowa, Department of Mechanical Engineering, Iowa City, 52242, US. martell-bell@uiowa.edu.
Scientific data
|October 31, 2025
概括
这项研究引入了一套新的图像数据集,用于使用机器学习在高混合,低体积 (HMLV) 造厂中自动移除喷雾和起伏器. 开源数据集有助于开发可靠的工业成像模型,用于过程自动化.
科学领域:
- 工业自动化 工业自动化
- 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:
- 高混合,低体积 (HMLV) 造厂面临自动化挑战.
- 工业4.0提供了潜在的解决方案,特别是在工艺自动化方面.
- 自动化后处理任务,如喷水和 riser 移除对于效率至关重要.
研究的目的:
- 开发一个全面的图像数据集用于训练神经网络.
- 为了在砂件中自动移除喷水和水器.
- 通过各种图像数据来解决HMLV环境中的变化.
主要方法:
- 创建一个新的图像数据集,包括真实,合成和增强图像.
- 系统评估图像质量指标及其对模型培训的影响.
- 开发用于自动化后处理的图像细分神经网络.
主要成果:
- 数据集捕捉了各种各样的部分表示和场景复杂性.
- 图像质量指标被评估为它们对模型性能的影响.
- 该方法解决了HMLV制造固有的变化.
结论:
- 开发的数据集是工业成像中的机器学习的宝贵资源.
- 这种方法在复杂的工业环境中提高了模型的稳定性.
- 完整的数据集和代码作为开源资源公开提供.
