装配质量在线智能纠错数据集

数据内容：针对航空制造领域中角片装配过程监测和翼面小零件识别等场景，为解决微小差异的不同连接件的图像位置计算、种类判别以及小零件视觉特征相似度高、种类繁多导致传统图像识别算法难以精确识别的问题，构建了装配质量在线智能纠错数据集。该数据集包含10种不同钻模零部件和多种飞机翼面连接件的图像数据，并对这些零部件进行了标注，用于训练深度学习算法，实现装配过程中的质量在线智能纠错。此外，数据集还包含了基于深度学习的装配作用区域识别算法研究报告与源代码、装配错误识别模型研究报告与源代码、装配操作中动作指令与装配工艺间的智能匹配算法-软件使用说明与源代码、装配质量在线检测方法-软件使用说明与源代码。
采集方案：首先选择海康威视工业相机MV-CA050-10GC搭配MVL-MF1628M-8MP镜头作为采集设备，相机需要连接至PC端，并提供220V供电，具体的采集策略为固定相机与零件间物距，利用PC端匹配的上位机软件（MVS）进行图像的采集，并保存成.jpg格式，规避了可变物距下不同零部件的尺度混乱问题，保证不同尺寸的零部件占用的像素与实际尺寸存在正比例关系。图像数据集采用LabelImg图像标注工具手动标注目标种类和位置，标签文件中每一行代表一个标注，其中第一个数字代表类别标签，第二、三个数字代表标注框中心坐标，第四、五数字代表的是标注框的宽度与高度，标签格式为YOLO格式，标注信息以.txt格式保存。同时针对飞机翼面小零件训练样本数量较少、特征量少导致神经网络易出现过拟合现象的问题，采用Mosaic数据增强方式对数据集进行扩充，对输入图像进行剪裁、旋转、平移、放缩、调节亮度、随机遮挡等方式，并对样本标签、标注信息进行变换，扩充后的图像数据以.jpg格式保存。
体量：大约1.0GB

搜集汇总

背景与挑战

背景概述

该数据集针对航空制造领域的角片装配和翼面小零件识别场景，包含10种钻模零部件和多种连接件的图像数据，并进行了标注以训练深度学习算法，用于实现装配质量在线智能纠错。数据采集使用工业相机和手动标注工具，体量约为1.0GB，涵盖图像和算法源代码等文件。