通过 2d Voronoi tessellation 模型的铸造金属对象合成缺陷几何
计算机视觉与模式识别
2026-02-06 v1
摘要
在工业领域，缺陷检测对于质量控制至关重要。非破坏性检测（NDT）方法因不影响被检对象功能而受到青睐。自动化数据评估以实现自动化缺陷检测正逐渐成为研究热点。特别是机器学习方法显示出有前景的效果。为提供充足且高质量的训练数据，可使用合成数据。基于规则的方法能够在可控环境下生成合成数据。因此，需要对被检对象构建一个包含合成缺陷的数字孪生体。我们提出了参数化方法，用于建模各种缺陷类型的 3d 网格对象，然后将其添加到对象几何中以获得带合成缺陷的对象。这些模型灵感来自金属铸造中常见的缺陷，也可迁移到其他加工工艺中产生类似缺陷形状的过程。通过对相应检测方法进行基于物理的蒙特卡洛仿真，可以创建符合实际检查数据的合成数据。使用我们的缺陷模型，可生成可变且任意大的合成数据集，并可将极少见缺陷以足够数量纳入其中。像素完美的标注可同步生成。以视觉表面检查为例，但该程序可结合其他 NDT 方法的仿真应用。
引用
@article{arxiv.2602.05440,
title = {Synthetic Defect Geometries of Cast Metal Objects Modeled via 2d Voronoi Tessellations},
author = {Natascha Jeziorski and Petra Gospodnetić and Claudia Redenbach},
journal= {arXiv preprint arXiv:2602.05440},
year = {2026}
}