基于合成热图数据集的自主裂纹检测
计算机视觉与模式识别
2024-12-24 v1
摘要
在许多科学问题中，需要通过运行大量实验来生成数据。此外，某些任务需要持续的人工介入。我们考虑钢板裂纹检测问题。通常的做法是通过人工查看热图图像并判断其是否裂纹。近年来，人工智能方法逐渐流行，试图通过如卷积神经网络（CNN）等算法替代检测过程，以消除人工的参与。然而，CNN 和其他视觉模型数据需求量大，在获得良好性能前需要大量数据。这种数据生成过程并不容易，需要创新性地设计实验 setup 的机械和电子设计。此外，还需要大量时间和能源，在资源受限的场景中难以实现。我们试图解决正是这个问题，通过基于有限元仿真创建合成数据生成管道。我们对该数据采用数据增强技术，以进一步增加生成数据的数量和多样性。通过在微调的视觉模型上进行推理展示了此概念的工作。我们还通过检查我们的做法是否转化为真实实验数据来验证结果。我们展示了这种转化何时成功以及如何实现。
引用
@article{arxiv.2412.16499,
title = {Autonomous Crack Detection using Deep Learning on Synthetic Thermogram Datasets},
author = {Chinmay Makarand Pimpalkhare and D. N. Pawaskar},
journal= {arXiv preprint arXiv:2412.16499},
year = {2024}
}
备注
9 pages, 14 figures