面向深度学习视觉质量检测的Remanufacturing数据集与基线
计算机视觉与模式识别
2025-11-20 v1
摘要
Remanufacturing 描述的是对磨损产品进行恢复以恢复如新状态的过程，具有巨大的生态和经济潜力。其关键步骤是对拆卸组件进行质量检测，目前主要依赖人工完成，因为组件和缺陷模式种类繁多。深度神经网络在自动化此类视觉检测任务方面显示出巨大的潜力，但难以泛化到新的产品变体、组件或缺陷模式。为此，我们提出一种新型图像数据集，描绘来自两种汽车变速箱的典型齿轮组件的良好和次品状态。根据数据集的不同训练-测试划分，生成不同的分布偏移，以基准化分类模型的泛化能力。我们使用该数据集评估不同模型，并提出一种对比正则化损失以增强模型的鲁棒性。结果表明，该损失能够显著提高对未见组件类型的泛化能力。
引用
@article{arxiv.2511.15440,
title = {A Dataset and Baseline for Deep Learning-Based Visual Quality Inspection in Remanufacturing},
author = {Johannes C. Bauer and Paul Geng and Stephan Trattnig and Petr Dokládal and Rüdiger Daub},
journal= {arXiv preprint arXiv:2511.15440},
year = {2025}
}