寻找装配错误：工业应用的错误分段

识别装配和维护程序中的错误对于工业应用至关重要，因为它可以提高工人效率并防止计划外停机。尽管装配状态识别正受到关注，但当前文献中没有研究装配错误的定位。因此，我们提出了 StateDiffNet，通过检测正确的预期装配状态与来自相同视角的测试图像之间的差异来定位装配错误。StateDiffNet 在合成生成的图像对上进行训练，这提供了对应检测的有意义变化类型的完全控制。本方法是首个在训练时从未呈现的装配错误状态和错误类型下，从真实 ego-centric 视频数据中正确定位装配错误的技术。进一步，将变化检测部署到此工业应用为理解最新变化检测算法机制提供了宝贵见解和考虑因素。代码和数据生成管道已公开：https://timschoonbeek.github.io/error_seg。