汽车生产中的视觉质量检测全合成训练

视觉质量检测在现代制造环境中发挥着至关重要的作用，确保客户安全与满意度。计算机视觉（CV）的引入通过提高缺陷检测的准确性和效率，彻底革新了视觉质量检测。然而，传统的 CV 模型严重依赖大量数据集进行训练，这可能成本高昂、耗时且容易出错。为克服这些挑战，合成图像作为一种有前景的替代方案应运而生。它们提供了一种具有自动生成标签的经济高效解决方案。在本文中，我们提出了一种利用域随机化生成合成图像的流水线。我们在三种真实检测场景中评估了该方法，并证明仅使用合成数据训练的目标检测模型可以超越使用真实图像训练的模型。