SortScrews：用于实时螺丝分类的数据集与基线
计算机视觉与模式识别
2026-03-16 v1 人工智能
机器学习
摘要
自动识别螺丝类型对于工业自动化、机器人和库存管理至关重要。然而，针对螺丝分类的公开数据集稀缺，尤其是用于受控单目标场景——这些场景在自动化分类系统中常见——的螺丝数据集更为罕见。本文我们引入了 ——一个用于螺丝案例式视觉分类的数据集。该数据集包含 560 张分辨率为 的 RGB 图像，覆盖六种螺丝类型和一种背景类。图像采用标准化的采集 setup 获得，包含在四种采集设置下的轻微光照和相机视角变化。为便于可重复的研究和数据集扩展，我们还提供了可复用的数据收集脚本，允许用户使用廉价的相机 setup 轻松构建类似数据集。我们采用在 ImageNet 上预训练的 EfficientNet-B0 和 ResNet-18 分类器建立基线结果。此外，我们进行了充分探索的失败分析。尽管数据集规模有限，这些轻量级模型仍实现了强大的分类准确率，表明受控采集条件即使在相对较小的数据集上也能有效学习。该数据集、收集管道以及基线训练代码已公开于 https://github.com/ATATC/SortScrews。
引用
@article{arxiv.2603.13027,
title = {SortScrews: A Dataset and Baseline for Real-time Screw Classification},
author = {Tianhao Fu and Bingxuan Yang and Juncheng Guo and Shrena Sribalan and Yucheng Chen},
journal= {arXiv preprint arXiv:2603.13027},
year = {2026}
}