数据采集案例

本文为部分算法模块提供采集案例,展示如何在实际应用中采集高质量数据集。

实例分割

  1. 某金属件项目,单类物体,因此采集 50 张。物体朝向方面,可能平躺或侧立,采集时都需要考虑。物体位置方面,需要考虑位于料筐中央、四周、边角以及不同高度的情况。物体间关系方面,除堆叠外还需要考虑少量并排。实际采集的图片如下:

    improve model accuracy metal part placement status
    improve model accuracy metal part poses
  2. 某日用品项目,7 类物体混料,需要分类。采集时需考虑“单类物体多种朝向摆放”和“多类物体混合摆放”的情况,以全面地采集物体特征。单类物体采集数量 = 5 * 类别数量,多类物体混合摆放采集数量 = 20 * 类别数量。物体朝向方面,可能平躺、侧立或倾斜,采集时每个面都需要考虑。物体位置方面,需要考虑位于料筐中央、四周、边角。物体间关系方面,除堆叠外还需要考虑并排与紧密拼接情况。实际采集的图片如下:

    • 单独摆放

      improve model accuracy single class subject positions
    • 混合摆放

      improve model accuracy mix classes subject positions
  3. 某履带板项目,物体有多个型号,因此采集(30 * 型号数量)张。物体朝向方面,只需考虑正面向上摆放。物体位置方面,摆放方式单一,需包含考虑高、中、低层不同高度视野的数据。物体间关系方面,规则码放,需重点注意紧密贴合的情况。实际采集图片如下:

    improve model accuracy different layer
  4. 某金属件项目,仅平铺一层,因此采集 50 张。物体朝向方面,仅平铺一层,只需考虑正面向上摆放。物体位置方面,需考虑到位于料筐中央、四周、边角。物体间关系方面,需考虑紧密贴合等,实际采集图片如下:

    improve model accuracy different situation
  5. 某金属件项目,多层整齐码放,采集 30 张。物体朝向方面,只需考虑正面向上摆放。物体位置方面,需考虑到位于料筐中央、四周、边角以及高、中、低层不同高度的情况。物体间关系方面,需考虑紧密贴合等,实际采集图片如下:

    improve model accuracy different layers positions

图像分类

  1. 某阀管项目,单类物体,需要区分阀管正反面,位置移动幅度较小,正反面各采集 15 张。

    improve model accuracy project case
  2. 某发动机气门装配项目,单类物体,需要区分工件是否正确摆放在卡槽内,由于摆放在卡槽外可能出现的姿态较多,需考虑不同位置和不同角度摆放的情况,采集 20 张左右;摆放在卡槽内的只需考虑不同位置的情况,采集 10 张左右。

    improve model accuracy project case 2
  3. 某金属薄片项目,两类物体,需要区分工件大小,可能出现不同位置不同角度的情况,正反面各采集 20 张。

    improve model accuracy project case 3A
    improve model accuracy project case 3B

目标检测

  1. 某工件检测项目,来料为无规则散乱摆放的转子,要求精准检测所有的转子位置。一共采集 30 张。

    • 物体位置 方面,需考虑采集实际生产时转子可能位于料筐的所有位置;同时需要考虑抓取时转子数量由多到少的情况。

    • 物体间关系 方面,需考虑转子散乱、整齐和压叠摆放的情况。

      improve model accuracy different positions 0
  2. 某钢筋计数项目,来料为成捆的钢筋,要求精准输出钢筋数量。一共采集20张。

    • 钢筋特征相对单一,因此只需考虑 物体位置 的多样性,采集实际生产时钢筋可能位于相机视野中的所有位置。

      improve model accuracy different positions 1

我们重视您的隐私

我们使用 cookie 为您在我们的网站上提供最佳体验。继续使用该网站即表示您同意使用 cookie。如果您拒绝,将使用一个单独的 cookie 来确保您在访问本网站时不会被跟踪或记住。