Open Stamped Parts Dataset

我们呈现了开放式冲压零件数据集(OSPD)，其中包含汽车制造中的合成和真实冲压金属片的图像。从7个摄像头捕捉的真实零件图像包括7,980个未标记图像和1,680个带标签的图像。此外，我们通过在10%的孔上叠加合成生成的掩模，编制了一个缺陷数据集。合成数据集在照明和零件相对于相机的放置方面复制了真实制造环境。合成数据包括7,980个训练图像、1,680个验证图像和1,680个测试图像，每个图像周围都有所有孔的边界框和分割掩模注释。合成数据中的10%的孔模仿了在真实图像数据集中生成的缺陷。我们在合成-OSPD上训练了一个孔检测模型，实现了修改后的召回率得分为67.2%和精度为94.4%。我们预计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将使用OSPD来推进冲压孔的缺陷检测的最新技术。该数据集可在以下网址下载：https://tinyurl.com/hm6xatd7。

该论文旨在解决汽车制造中金属板冲压过程中的缺陷检测问题。

论文提出了使用合成数据集和真实数据集相结合的方法来训练金属板冲压过程中的缺陷检测模型，并取得了较好的效果。

该论文提出了一个新的数据集OSPD，包括合成和真实的图像数据集，以及缺陷数据集。作者使用合成数据集和真实数据集相结合的方法来训练模型，并取得了较好的效果。作者公开了数据集和代码，对于汽车制造和机器学习领域的研究有着重要的意义。

近期的相关研究包括：1.《A Deep Learning Approach for Defect Detection and Classification in Textile Manufacturing》；2.《Automated Defect Detection and Recognition in X-Ray Images Using Deep Learning Techniques》；3.《Deep Learning for Surface Defect Detection: A Review》。