Open Stamped Parts Dataset (OSPD)

Open Stamped Parts Dataset (OSPD) 是由通用汽车创建的数据集，专注于汽车制造中金属板冲压过程的缺陷检测。该数据集包含合成和真实图像，总计11,340张，用于训练和测试模型以识别金属板上的冲压孔缺陷。合成数据精确复制了实际制造环境的光照和部件相对于摄像机的位置，而真实数据则从7个摄像头捕获，包括7,980张未标记图像和1,680张标记图像。数据集的创建过程涉及使用虚幻引擎生成合成图像，并通过人工标注确保数据质量。OSPD的应用领域主要集中在自动化缺陷检测，旨在提高汽车制造中冲压过程的效率和质量。

The Open Stamped Parts Dataset (OSPD) was developed by General Motors, focusing on defect detection in sheet metal stamping processes within automotive manufacturing. This dataset includes a total of 11,340 synthetic and real-world images, which are designed for training and testing models to identify stamping hole defects on sheet metal parts. The synthetic data precisely replicates the lighting conditions of actual manufacturing environments and the relative positions of the components to the camera. Meanwhile, the real-world data was captured from 7 cameras, comprising 7,980 unlabeled images and 1,680 labeled images. The dataset creation process involved generating synthetic images using Unreal Engine, and ensuring data quality via manual annotation. The main application area of OSPD is automated defect detection, aiming to enhance the efficiency and quality of stamping processes in automotive manufacturing.

搜集汇总

数据集介绍

构建方式

Open Stamped Parts Dataset (OSPD) 的构建旨在解决汽车制造中金属板材冲压缺陷检测的挑战。该数据集包含了由 Unreal Engine 生成的模拟图像和从 7 个相机捕获的真实图像。真实部分图像包括 7,980 张未标记的图像和 1,680 张标记的图像。此外，通过在 10% 的孔上叠加合成的掩码，构建了一个缺陷数据集。模拟数据集在光照和部件相对于相机的放置方面模拟了真实的生产环境，并包括 7,980 张训练图像、1,680 张验证图像和 1,680 张测试图像，每个图像都有围绕所有孔的边界框和分割掩码注释。

使用方法

使用 OSPD 数据集的方法包括下载数据集，并使用其中的图像和注释来训练和测试机器视觉模型。数据集分为合成和真实两个部分，每个部分又分为训练、验证和测试子集。模型可以使用真实和合成数据集进行训练，并使用真实数据集进行测试。此外，还可以使用数据集中的缺陷数据集来评估模型检测缺陷的能力。

背景与挑战

背景概述

在汽车制造行业中，金属板冲压是一种高效且经济的方法，用于成型和切割扁平金属板以生产车辆的各种定制部件。然而，冲压过程中可能会出现各种缺陷，例如裂纹、压痕和缺失的冲压孔等。人工检查冲压部件耗时且易受人为错误的影响。为了提高检测的可靠性和可扩展性，自动化缺陷检测系统的研究引起了广泛关注。Open Stamped Parts Dataset (OSPD) 数据集旨在为金属板冲压过程中的缺陷检测提供数据支持，该数据集包含合成和真实图像的冲压金属板，由 General Motors 的 Sarah Antiles 和 Sachin Talathi 等研究人员创建于 2024 年。OSPD 数据集对于汽车制造和更广泛的机器学习和计算机视觉社区的研究人员来说，是一个宝贵的资源，有助于推动金属板冲压过程中冲压孔缺陷检测的技术进步。

当前挑战

OSPD 数据集的挑战主要在于：1) 缺乏公开可用的训练数据，这使得利用深度学习开发用于金属板缺陷检测的模型变得困难；2) 人工检查冲压部件耗时且易受人为错误的影响，难以实现每张金属板的全面检查；3) 合成数据与真实数据之间存在领域差距，这可能会影响模型在实际生产环境中的性能。为了解决这些挑战，OSPD 数据集提供了合成数据和真实数据，并通过生成对抗网络等技术来缩小合成数据与真实数据之间的差距。此外，OSPD 数据集还提供了基线模型和评估指标，以便研究人员评估模型的性能并进一步改进模型。

常用场景

经典使用场景

Open Stamped Parts Dataset (OSPD) 是一个包含合成和真实冲压金属板图像的数据集，主要用于汽车制造中的缺陷检测。该数据集通过合成数据模拟真实制造环境中的光照和零件放置，并与真实图像相结合，以克服领域差距。其经典使用场景是训练和评估目标检测模型，以实时定位和分类冲压孔中的缺陷。

解决学术问题

OSPD 数据集解决了冲压金属板缺陷检测中缺乏公开可用训练数据的问题。该数据集提供了大规模的合成和真实图像，以及相应的标签和分割掩码，有助于研究人员开发更精确和可靠的机器视觉模型。此外，该数据集还引入了修改后的召回率指标，以评估模型在实际工厂环境中的性能。

实际应用

OSPD 数据集的实际应用场景包括汽车制造中的自动缺陷检测系统。通过训练模型识别冲压孔中的缺陷，可以减少人工检查的时间和错误，提高生产效率和产品质量。此外，该数据集还可以用于其他工业领域的零件检验，如钢铁和电路板制造。

数据集最近研究

最新研究方向

OSPD数据集的最新研究方向聚焦于利用合成与真实图像相结合的方式，提高金属板材冲压过程中冲压孔缺陷检测的准确性。该数据集通过模拟真实制造环境中的光照和部件相对于相机的位置，为研究人员提供了丰富的训练数据。同时，OSPD数据集还引入了带有模拟缺失孔缺陷的真实图像数据集，用于评估模型对缺失孔的检测能力。此外，研究还探索了无监督图像到图像转换技术，以减少合成数据与现实数据之间的差距，提高模型在现实场景中的鲁棒性。该数据集有望推动汽车制造业中机器视觉模型的自动化缺陷检测技术的发展。

相关研究论文

• Open Stamped Parts Dataset

  通用汽车 · 2024年