Object Pose Estimation Annotation Pipeline for Multi-view Monocular Camera Systems in Industrial Settings
TU Dortmund University（多特蒙德工业大学）
本文提出一种针对工业多视图单目相机系统的无人工物体位姿估计标注流水线，通过融合动作捕捉系统与线性映射投影3D模型生成6D位姿真值，在含8个相机、26482个实例的数据集上实现了高效且高质量的自动标注。
2023-10-23 cs.CV
GlovEgo-HOI: Bridging the Synthetic-to-Real Gap for Industrial Egocentric Human-Object Interaction Detection
Department of Mathematics and Computer Science, University of Catania（数学与计算机科学系，卡塔尼亚大学）；Next Vision s.r.l.（Next Vision公司）
GlovEgo-HOI通过合成数据与扩散过程结合，生成真实世界图像中的PPE，提出新基准数据集和模型，提升工业视角的人-物体交互检测效果。
2026-01-14 cs.CV
XYZ-IBD: Benchmarking Robust 6D Object Pose Estimation under Real-World Industrial Complexity
Technical University of Munich（慕尼黑工业大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）；XYZ Robotics；ROBOX；Google（谷歌）
XYZ-IBD是一个专门针对工业分拣的高精度基准，包含75个多视角真实场景，通过高密度随机堆叠和多实例模糊性反映真实机器人操作挑战，验证了工业视觉中6D姿态估计的性能退化问题。
2026-06-29 cs.CV
SynthRender and I-AsSET: Open-Source Framework and Dataset for Bidirectional Sim-Real Transfer in Industrial Object Perception
Technical University Berlin, Industrial Automation Technology（柏林技术大学，工业自动化技术）；Mercedes-Benz AG, Future Manufacturing Technologies（梅赛德斯-奔驰公司，未来制造技术）；Technical University Braunschweig, Institute for Cognitive Robotics（不伦瑞克技术大学，认知机器人研究所）
本文提出SynthRender和IRIS，通过合成数据生成与结构化评估，系统研究双向仿真-现实迁移，提供32类数据集和CAD模型，实现高效合成训练与工业应用。
2026-08-10 cs.CV
Exploiting Multimodal Synthetic Data for Egocentric Human-Object Interaction Detection in an Industrial Scenario
University of Catania（卡塔尼亚大学）；Next Vision s.r.l（Next Vision有限责任公司）
针对工业场景第一人称人-物交互检测缺乏公开数据集的问题，提出合成数据生成流水线与工具，构建多模态数据集EgoISM-HOI，设计融合多模态信号的检测方法，经预训练显著提升真实数据性能且优于现有同类方法，相关资源已公开。
2024-03-11 cs.CV
MECCANO: A Multimodal Egocentric Dataset for Humans Behavior Understanding in the Industrial-like Domain
University of Catania（卡塔尼亚大学）；Next Vision s.r.l.（Next Vision有限责任公司）
本文提出MECCANO多模态第一人称工业场景数据集，包含注视、深度和RGB数据，并围绕动作识别、主动物体检测、人-物交互检测、动作预测和下一主动物体检测五项任务构建基准，证明现有算法在该场景下仍面临挑战。
2022-09-19 cs.CV
AssemblyBench: Physics-Aware Assembly of Complex Industrial Objects
Rutgers, The State University of New Jersey（新泽西罗格斯大学）；The Australian National University（澳大利亚国立大学）；Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔兰根-纽伦堡弗里德里希-亚历山大大学）；Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室）
本文提出AssemblyBench数据集和AssemblyDyno模型，通过多模态指令和3D部件模型预测装配顺序和轨迹，优于现有方法的装配姿态估计和轨迹可行性评估。
2026-05-13 cs.AI cs.CV
Industrial Language-Image Dataset (ILID): Adapting Vision Foundation Models for Industrial Settings
Hamburg University of Technology（汉堡工业大学）
本文提出基于网络爬取数据构建工业语言-图像数据集 ILID 的流程，并利用其实现无需人工标注的自监督迁移学习，以推动视觉基础模型适配工业场景。
2024-06-14 cs.CV
Image Quality Enhancement and Detection of Small and Dense Objects in Industrial Recycling Processes
本文针对工业回收场景中图像含噪、小密集重叠目标检测难的问题，基于自建超1万张图像的数据集评估监督深度学习检测方法，提出轻量级全连接卷积网络图像增强模型，明确工业应用适配方案与未来优化方向。
2025-09-01 cs.CV eess.IV
BIDCD -- Bosch Industrial Depth Completion Dataset
Technion - Israel Institute of Technology（以色列理工学院）；Bosch Center for Artificial Intelligence（博世人工智能中心）
我们介绍BIDCD --博世工业深度完井数据集。BIDCD是一个新的金属工业物体的RGBD数据集，使用安装在机器人操纵器上的深度相机收集。该数据集的主要目的是促进特定于领域的深度完成模型的训练，用于物流和制造任务。我们在这个数据集上训练了一个最先进的深度补全模型，并报告了结果，设定了一个初始基准。此外，我们建议使用该数据集来学习合成到深度相机的领域自适应。修改合成RGBD数据以模拟真实世界深度采集的特征可能会增强对合成数据的训练。为此，我们在合成工业数据集和我们的真实数据上训练了一个生成对抗网络（GAN）。最后，为了解决生成的图像中的几何失真，我们引入了一个辅助损失，促进保存原始形状。BIDCD数据可在https://zenodo.org/communities/bidcd上公开获取。
2021-10-04 cs.CV cs.RO
MVIP -- A Dataset and Methods for Application Oriented Multi-View and Multi-Modal Industrial Part Recognition
Fraunhofer IPK（弗劳恩霍夫生产系统设计与结构技术研究所）；Technische Universität Berlin（柏林工业大学）
本研究提出面向工业零件识别的多模态多视角数据集MVIP，整合RGBD数据与多类上下文信息，旨在推动前沿方法的工业场景迁移及多模态融合等相关研究。
2025-02-21 cs.AI cs.CV
Active Control Points-based 6DoF Pose Tracking for Industrial Metal Objects
Zhejiang University（浙江大学）；School of Mechanical Engineering（机械工程学院）；The State Key Lab of Fluid Power and Mechatronic Systems（流体动力与机械系统国家重点实验室）
针对工业金属物体因反射特性导致的位姿跟踪困难，提出基于主动控制点的6DoF位姿跟踪方法，以图像控制点替代位姿渲染生成边缘特征，并引入最优控制点回归提升鲁棒性，在数据集和真实任务中均验证有效。
2025-07-02 cs.CV
Towards Sim-to-Real Industrial Parts Classification with Synthetic Dataset
Scania CV AB（斯堪尼亚汽车公司）；KTH Royal Institute of Technology（皇家理工学院）；University of Skövde（舍夫德大学）
针对工业零件分类的Sim-to-Real域差距问题，构建含17类工业零件的SIP-17合成数据集，通过5种主流模型的基准测试，验证了合成数据的实用性并总结了相关挑战与洞见。
2024-04-12 cs.CV cs.LG
Multimodal Benchmark for Safety Assessment in Industrial Inspection Scenarios
Department of Automation, Tsinghua University（清华大学自动化系）；Institute for Embodied Intelligence and Robotics, Tsinghua University（清华大学具身智能与机器人研究所）；TetraBOT Intelligence Co., Ltd.（天博智能科技有限公司）；DAMO Academy, Alibaba Group（阿里巴巴达摩院）；School of Automation, Southeast University（东南大学自动化学院）
针对工业现场多模态安全评估缺乏真实数据的问题，构建了首个包含真实机器人巡检数据、像素级标注和七种同步模态的基准数据集InspecSafe-V1，覆盖五个典型场景，支持多模态异常识别与安全评估。
2026-07-01 cs.CV cs.RO
ProGAN-Based Synthetic Image Generation for Industrial Visual Inspection of Metallic Parts
Laboratory for Machine Tools and Production Engineering WZL of RWTH, Aachen University（亚琛工业大学WZL机床与生产工程实验室）
该研究针对金属部件视觉检测的训练数据稀缺问题，采用带Wasserstein损失与梯度惩罚的ProGAN生成合成图像，经MVTec AD、MPDD数据集验证，生成图像可扩充训练数据、提升鲁棒性并降低成本。
2026-10-14 cs.CV
GPU-accelerated image alignment for object detection in industrial applications
National Taiwan University of Science and Technology（台湾科技大学）
本研究提出了一种实用的方法来检测无特征的对象，使用图像对齐方法与一个强大的相似性度量在工业应用中。该相似性度量对遮挡、光照变化和背景杂波具有鲁棒性。在CPU和GPU实现的对比实验中，所提出的GPU（图形处理单元）加速算法的性能被认为是成功的
2021-12-10 cs.CV
Decoupled Prototype Matching with Vision Foundation Models for Few-Shot Industrial Object Detection
Department of Energy and Mechanical Engineering, Aalto University（能源与机械工程系，阿莱大学）
本文提出利用视觉基础模型进行少样本工业目标检测，通过构造类原型实现低监督下的目标识别，提升检测性能并支持新物体快速接入。
2026-04-29 cs.CV
MVM-IOD: An Industrial Object-Centric Benchmark Dataset for the Evaluation of 3D Reconstruction Methods
Machine Vision Metrology, Institute of Photogrammetry and Remote Sensing, Karlsruhe Institute of Technology, Germany（德国卡尔斯鲁厄理工学院摄影测量与遥感研究所机器视觉计量学）
针对工业场景3D重建评估数据集匮乏的问题，提出MVM-IOD数据集，包含工业对象图像、参考相机位姿和点云，并评估了多种SOTA方法，发现前馈方法对非分布图像敏感。
2026-06-16 cs.CV
BioDet: Boosting Industrial Object Detection with Image Preprocessing Strategies
Technical University of Munich（慕尼黑技术大学）；XYZ Robotics（XYZ机器人）
针对工业环境中目标检测在杂乱、光照不足等条件下性能退化的问题，提出基于低光增强和基础模型开词汇检测引导背景去除的即插即用预处理流程，显著提升检测精度且开销极小。
2025-10-23 cs.CV
Building Robust Industrial Applicable Object Detection Models Using Transfer Learning and Single Pass Deep Learning Architectures
KU Leuven（鲁汶大学）
深度学习在计算机视觉和人工智能中的上升趋势不容忽视。在最多样化的任务中，从识别和检测到分割，深度学习能够获得最先进的结果，达到一流的性能。在本文中，我们将探讨专用于目标检测任务的深度卷积神经网络如何使用最先进的开源深度学习框架（如Darknet）来改善我们面向工业的目标检测管道。通过使用一种深度学习架构，该架构在单次运行中集成了区域建议、分类和概率估计，我们的目标是获得实时性能。我们专注于通过探索迁移学习来大幅减少所需的训练数据量，同时仍然保持较高的平均精度。此外，我们将这些算法应用到两个工业相关的应用程序，一个是眼动跟踪数据中的促销板的检测和其他检测和识别包装的仓库产品的增强广告。
2020-07-09 cs.CV
Corrosion Detection for Industrial Objects: From Multi-Sensor System to 5D Feature Space
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
腐蚀是一种经常出现在工业应用中使用的金属制成的物体表面的损坏形式。这些损坏可能是严重的，这取决于使用对象的目的。基于光学的测试系统提供了一种非接触式数据采集形式，其中所采集的数据然后可以用于分析物体的表面。在工业图像处理领域，这被称为表面检测。我们提供的测试装置包括一个可360度旋转物体的旋转台，以及用于采集2D和3D数据的工业RGB相机和激光三角测量传感器，作为我们的多传感器系统。这些传感器在待测物体旋转一整圈时采集数据。此外，应用数据增强来准备新数据或增强已经采集的数据。为了评估激光三角测量传感器对腐蚀检测的影响，一个挑战是首先融合两个域的数据。在数据融合过程之后，可以利用5个不同的通道来创建5D特征空间。除了图像的红色、绿色和蓝色通道（1-3）之外，还结合了来自激光三角测量传感器的附加距离数据（4）。作为第五通道，所述传感器提供附加强度数据（5）。对于多通道图像分类，与仅由图像的RGB通道组成的3D特征空间相比，5D特征空间将导致稍好的结果。
2022-05-14 cs.CV
Benchmarking Recurrent Event-Based Object Detection for Industrial Multi-Class Recognition on MTevent
Chair of Material Handling and Warehousing, TU Dortmund University, Dortmund, Germany（物料搬运与仓储学系，杜伊斯堡-艾森大学，多特蒙德，德国）
本文研究了在MTevent数据集上使用循环ReYOLOv8s进行工业多类识别的性能，并通过非循环YOLOv8s作为基线分析时间记忆的影响，发现事件域预训练对性能提升更有效。
2026-05-17 cs.CV
Synthetic Data for Object Classification in Industrial Applications
HMS Industrial Networks AB（HMS工业网络公司）
机器学习最大的挑战之一是数据汇集。训练数据是一个重要的部分，因为它决定了模型的行为。在对象分类中，在不同条件下捕获每个对象的大量图像并不总是可能的，并且可能非常耗时和繁琐。因此，这项工作探索了使用游戏引擎来创建人工图像，以应对训练数据集中的有限数据。我们结合真实数据和合成数据来训练对象分类引擎，这一策略已被证明有利于提高分类器决策的信心，这在工业设置中往往至关重要。为了结合真实数据和合成数据，我们首先在大量合成数据上训练分类器，然后在真实图像上对其进行微调。另一个重要的结果是，微调所需的真实图像数量不是很高，达到最高精度时，每个类别只有12或24张图像。这大大降低了捕获大量真实数据的要求。
2022-12-09 cs.CV
OSAGEN: Object-Aware Mask Priors and Multistage Decoupled Diffusion for Industrial Anomaly Generation
OSAGEN结合感知对象掩码先验与多阶段解耦扩散，通过QBG、ISC及轻量物质化步骤生成工业异常，在MVTec AD和VisA上实现优异的异常定位性能。
2026-08-03 cs.CV
CAD-Prompted SAM3: Geometry-Conditioned Instance Segmentation for Industrial Objects
Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
本文提出基于CAD模型的SAM3分割框架，通过几何条件进行实例分割，解决工业环境中难以用语言或外观描述的对象问题。
2026-06-07 cs.CV
Small Object Detection in Industrial Recycling: A New Dataset and YOLO Performance Evaluation
Mines Saint-Etienne, CNRS, UMR 5307 LGF（圣艾蒂安 Mines、法国国家科学研究中心、UMR 5307 LGF）
针对工业回收中小、密集、重叠目标的检测难题，本文提出新数据集并对比基于深度学习的监督方法，评估YOLO等系统的性能、精度与计算效率，同时探索数据增强与合成图像的优势。
2026-05-26 cs.CV
Visual Language Model as a Judge for Object Detection in Industrial Diagrams
针对工业图数字化中缺乏目标检测输出自动评估方法的问题，提出利用视觉语言模型（VLM）评估检测结果并指导优化的框架，可实现自动化质量评估并提升复杂工业图的检测性能。
2025-10-03 cs.CV eess.IV
Industrial object, machine part and defect recognition towards fully automated industrial monitoring employing deep learning. The case of multilevel VGG19
University of Patras（帕特雷大学）
现代工业需要现代化的解决方案来监控货物的自动生产。对技术系统或机器的机械部件的功能进行智能监控是全自动生产过程的必要条件。尽管深度学习一直在进步，可以实现实时目标检测和其他任务，但很少有人研究专门设计的卷积神经网络用于缺陷检测和工业物体识别的有效性。在特定的研究中，我们采用了六个可检索的工业相关数据集，包含缺陷材料和工业工具或发动机零件，旨在开发一个专门的模式识别模型。最近的成功的虚拟几何组（VGG）网络的动机，我们提出了一个修改后的版本，称为多路径VGG 19，它允许更多的本地和全球特征提取，而额外的功能通过级联融合。实验验证了MVGG19相对于传统VGG19的有效性。具体而言，在六个图像数据集中的五个中实现了最佳分类性能，而平均分类改进为6.95%。
2020-11-23 cs.CV eess.IV
A Real-Time System for Egocentric Hand-Object Interaction Detection in Industrial Domains
Department of Mathematics and Computer Science, University of Catania（数学与计算机科学系，卡塔尼亚大学）
本文提出了一种实时系统，通过动作识别和物体检测模块检测工业领域中的手-物体交互，实现了高效准确的实时检测。
2025-12-04 cs.CV
Object detection and tracking benchmark in industry based on improved correlation filter
Beihang University（北京航空航天大学）；Shenzhen Academy of Aerospace Technology（深圳航天科技创新研究院）
实时目标检测和跟踪已被证明是工业4.0应用智能生产的基础。在复杂的工业环境中，数据失真的情况很多，这是一个具有挑战性的任务.相关滤波器（CF）被用来权衡低成本的计算和高性能。然而，传统的CF训练策略对于各种工业数据不能获得满意的性能，因为训练过程中的简单采样（装袋）在具有较大多样性的数据空间中不会找到精确解。在本文中，我们提出了基于Dijkstra距离的相关滤波器（DBCF），它建立了一个新的学习框架，嵌入分布相关的约束到多通道相关滤波器（MCCF）。DBCF能够处理工业数据中存在的巨大变化，通过改进这些约束，基于所有解决方案中的最短路径。为了评估DBCF，我们建立了一个新的数据集作为工业4.0应用的基准。大量的实验表明，DBCF产生高性能，超过了国家的最先进的方法。数据集和源代码可以在https://github.com/bczhangbczhang上找到
2018-06-12 cs.CV
IC classifier: a classifier for 3D industrial components based on geometric prior using GNN
University of California, Berkeley（加州大学伯克利分校）；Tsinghua University（清华大学）
在本文中，我们提出了一种方法来解决分类的问题，通过引入一个新的框架命名为IC分类器（工业组件分类器）的3D工业组件。我们的框架的目的是专注于对象的本地和全球的结构，强调前者通过将特定的本地功能嵌入模型。通过利用图形神经网络和嵌入来自几何属性，IC分类器有利于探索的局部结构的对象，同时使用几何注意力的分析的全局结构。此外，该框架使用点云来规避繁重的计算工作量。拟议的框架的性能是基准对国家的最先进的模型，展示了其在该领域的竞争潜力。
2023-03-10 cs.CV
CHIP: A multi-sensor dataset for 6D pose estimation of chairs in industrial settings
FBK-TeV；Ikerlan；Andreu World
本文提出CHIP多传感器数据集，面向真实工业环境中机械臂操作椅子的6D位姿估计，提供77,811张带自动真值标注的RGBD图像，并通过三种零样本方法验证其挑战性。
2025-06-11 cs.CV
Towards Robust Part-aware Instance Segmentation for Industrial Bin Picking
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Huazhong University of Science and Technology（华中科技大学）；The Chinese University of Hong Kong（香港中文大学）
工业箱拾取是一项具有挑战性的任务，需要对单个对象实例进行准确和鲁棒的分割。特别地，工业对象可以具有不规则的形状，即，薄且凹的，而在分箱拾取场景中，对象通常紧密地填充有强遮挡。为了解决这些挑战，我们制定了一个新的部分感知的实例分割管道。其核心思想是将工业对象分解为相关的近似凸块，用块级分割增强对象级分割。我们设计了一个零件感知网络来预测零件掩模和零件到零件的偏移量，然后通过一个零件聚合模块将识别的零件组装成实例。为了指导网络学习，我们还提出了一个自动标签解耦方案，从实例级标签生成地面实况部分级标签。最后，我们贡献了第一个实例分割数据集，它包含了各种各样的工业对象，薄，有非平凡的形状。大量的实验结果表明，我们的方法可以达到最好的分割结果相比，国家的最先进的方法。
2022-03-05 cs.AI cs.CV
Image-Based Fire Detection in Industrial Environments with YOLOv4
Halmstad University（哈尔姆斯塔德大学）；HMS Industrial Networks AB（HMS工业网络公司）
当火灾发生时，它具有毁灭性的力量，并对周围环境产生巨大的影响。最好的方法来尽量减少他们的损害是发现火灾尽快之前，它有机会增长。因此，这项工作着眼于人工智能的潜力，以检测和识别火灾，并减少检测时间使用图像流上的目标检测。在过去的六年里，目标检测在速度和准确性方面取得了巨大的进步，使实时检测成为可能。为此，我们从几个公共来源收集并标记了适当的数据，这些数据已用于训练和评估基于流行的YOLOv 4对象检测器的几个模型。我们的重点是在工业合作伙伴的推动下，在工业仓库环境中实施我们的系统，其特点是天花板很高。这种设置中传统烟雾探测器的缺点是烟雾必须上升到足够的高度。在这项研究中提出的人工智能模型在很长一段时间内都比这些探测器表现得更好，提供了宝贵的预测，可以帮助进一步减少火灾的影响。
2022-12-09 cs.CV
Instance Segmentation of Industrial Point Cloud Data
PTC Inc.（PTC公司）；University of Cambridge（剑桥大学）
本文所面临的挑战是如何有效地减少成本和人工自动生成面向对象的几何数字孪生（gDT）的工业设施，使效益提供更多的价值相比，初始投资，以产生这些模型。我们之前的工作实现了当前最先进的类分割性能（在CLOI数据集类中，每个点的平均准确度为75%，平均AUC为90%），如（Agapaki和Brilakis 2020）所示，并直接从激光扫描的工业数据中产生对模型对象（CLOI类）最重要的标记点簇。CLOI代表C形、L形、O形、I形及其组合。然而，自动分割的个别实例，然后可以用来适应几何形状的问题仍然没有解决。我们认为，使用实例分割算法的理论潜力，提供所需的输出生成的gDT。我们解决实例分割在本文中，通过（a）使用CLOI实例图连接算法，分割的点簇的对象类的实例和（b）边界分割的点，改进了步骤（a）。我们的方法在CLOI基准数据集（Agapaki et al. 2019）上进行了测试，并在所有类别中以76.25%的平均精度和70%的平均召回率分割实例。这证明了它是第一个自动分割工业点云形状的方法，除了类点标签之外没有任何先验知识，并且是在杂乱的工业点云中高效生成gDT的基础。
2020-12-24 cs.CV
Automated Counting of Stacked Objects in Industrial Inspection
EPFL（苏黎世联邦理工学院）；MBZUAI（马克斯·普朗克人工智能研究所）；Southern University of Science and Technology（南方科技大学）；Stony Brook University（石溪大学）；University of North Carolina（北卡罗来纳大学）
本文提出一种新的3D计数方法，通过多视角图像估计堆叠物体的3D几何和占用率，解决容器中堆叠物体遮挡问题，验证了在大规模合成和真实数据上的鲁棒性。
2026-03-16 cs.CV
Grounding of the Functional Object-Oriented Network in Industrial Tasks
Technical University of Munich（慕尼黑工业大学）；Siemens Aktiengesellschaft（西门子股份公司）
在这项初步工作中，我们建议设计一个活动识别系统，适合工业4.0（I4.0）的应用程序，特别是专注于示教学习（LfD）在协作机器人任务。更确切地说，我们专注于活动识别系统和协作机器人系统之间的数据交换问题。我们提出了一个活动识别系统与链接的数据使用功能面向对象的网络（FOON），以促进工业用例。最初，我们为我们的用例起草了一个FOON。然后，通过使用对象和手识别系统与递归神经网络（指FOON对象和状态）相结合来估计动作。最后，使用现有的链接数据模型通过上下文代理共享检测到的动作，从而使机器人系统能够解释动作并在之后执行它。我们的初步结果表明，FOON可以用于工业用例，我们可以在LfD应用程序中使用现有的链接数据模型。
2022-04-05 cs.CV cs.RO
Supervised Training of Dense Object Nets using Optimal Descriptors for Industrial Robotic Applications
Bosch Center For Artificial Intelligence（博世人工智能中心）
Florence，Manuelli和Tedrake（2018）的Dense Object Nets（DONs）引入了密集对象描述符作为机器人社区的一种新的视觉对象表示。它适用于许多应用，包括对象抓取，策略学习等。DON将描绘对象的RGB图像映射到描述符空间图像中，该图像隐式地编码对象的相对相机姿态不变的关键特征。令人印象深刻的是，DON的自我监督训练可以应用于任意对象，并且可以在几个小时内进行评估和部署。然而，训练方法依赖于准确的深度图像，并且在使用消费级深度相机时面临着工业环境中典型的小反射物体的挑战。在本文中，我们表明，给定一个对象的3D模型，我们可以生成其描述符空间图像，这使得监督训练的DON。我们依靠Laplacian Eigenmaps（LE）将对象的3D模型嵌入到最佳生成的空间中。虽然我们的方法使用了更多的领域知识，但它甚至可以有效地应用于较小的反射对象，因为它不依赖于深度信息。我们比较了生成工业对象的6D抓握的训练方法，并表明我们新的监督训练方法提高了行业相关任务中的拾取和放置性能。
2021-02-16 cs.CV cs.RO
Investigation of the Impact of Synthetic Training Data in the Industrial Application of Terminal Strip Object Detection
本文研究了终端条目目标检测中合成训练数据的影响，通过合成图像与真实数据结合，验证了DINO模型在复杂工业环境中的高效检测性能。
2025-12-29 cs.CV cs.LG
Synthetic Industrial Object Detection: GenAI vs. Feature-Based Methods
Mercedes-Benz AG（梅赛德斯-奔驰股份公司）；Technical University Berlin（柏林工业大学）
本研究比较了GenAI与基于特征的方法在合成工业目标检测中的效果，发现简单方法在准确性和效率上优于复杂GenAI方法。
2025-11-28 cs.CV
Fast and Automatic Object Registration for Human-Robot Collaboration in Industrial Manufacturing
Software Competence Center Hagenberg GmbH（哈根贝格软件能力中心有限公司）；KEBA Group AG（KEBA集团股份公司）；Danube Dynamics Embedded Solutions GmbH（多瑙动力嵌入式解决方案有限公司）
我们提出了一个端到端的框架，快速再训练的目标检测模型，在人-机器人协作。我们基于Faster R-CNN的设置涵盖了自动图像生成和标记、现场模型再训练以及FPGA边缘设备上的推理的整个工作流程。人工操作员的干预简化为提供新对象及其标签并开始训练过程。此外，我们提出了一个新的损失，intraspread-objectosphere损失，以解决开放世界的识别问题。虽然它不能完全解决这个问题，但它显着减少了未知对象的误报检测的数量。
2022-04-01 cs.AI cs.CV
Semantically-Guided Domain Randomization for Industrial Object Detection in Low-Image-Budget Regimes
TU Berlin（柏林工业大学）；University of Stuttgart（斯图加特大学）；TU Braunschweig（布伦瑞克工业大学）
针对低图像预算下的工业目标检测，提出语义引导的域随机化（S-GDR），结合VLM语义描述与扩散背景合成，在200张图像预算下达到mAP50-95=0.739，优于现有基线。
2026-09-23 cs.CV
SortWaste: A Densely Annotated Dataset for Object Detection in Industrial Waste Sorting
University of Beira Interior（贝拉内华大学）；IT: Instituto de Telecomunicações（电信研究所）；NOVA LINCS
SortWaste数据集通过ClutterScore指标提升工业废弃物分拣中物体检测的难度评估，展示了现有模型在复杂场景下的性能局限。
2026-01-07 cs.CV
A Multimodal Dataset for Enhancing Industrial Task Monitoring and Engagement Prediction
Academy of Scientific and Innovative Research（科学与创新研究院）；CSIR-Central Electronics Engineering Research Institute（CSIR中央电子工程研究所）
针对工业场景人机协作中操作人员行为与投入度监测的难题，提出包含多模态数据的MIAM数据集，并设计融合多模态信息的网络提升投入度预测准确率，为相关研究提供支撑。
2025-01-10 cs.CV
AFR-CLIP: Enhancing Zero-Shot Industrial Anomaly Detection with Stateless-to-Stateful Anomaly Feature Rectification
本文提出AFR-CLIP框架，通过图像引导的无状态到有状态文本特征校正，结合自提示和多块特征聚合模块，在无需目标样本训练的情况下提升零样本工业与医学异常检测性能。
2025-08-18 cs.CV
Improving 6D Object Pose Estimation of metallic Household and Industry Objects
Technical University Darmstadt（达姆施塔特工业大学）；Fraunhofer Institute for Computer Graphics Research IGD（弗劳恩霍夫计算机图形学研究所）；Threedy GmbH（Threedy有限公司）
针对金属物体6D位姿估计因反光导致准确度下降的问题，提出兼容BOP的新数据集以提供额外几何视觉线索，并在GDRNPP算法中引入关键点预测和材质估计头，有效提升了金属物体的位姿估计精度。
2025-03-05 cs.AI cs.CV
Automatic Bounding Box Annotation with Small Training Data Sets for Industrial Manufacturing
Software Competence Center Hagenberg GmbH（哈根贝格软件能力中心有限责任公司）；KEBA Group AG（科霸集团股份公司）
在过去的几年里，由于深度学习技术的巨大质量改进，目标检测在人机协作和工业5.0的背景下引起了广泛的关注。在许多应用中，目标检测模型必须能够快速适应变化的环境，即，来学习新的物体。一个关键但具有挑战性的先决条件是自动生成新的训练数据，这目前仍然限制了目标检测方法在工业制造中的广泛应用。在这项工作中，我们讨论了如何将最先进的目标检测方法应用于自动限界框注释任务，以适应背景均匀且对象标签由人类提供的用例。我们比较了Faster R-CNN和Scaled Yolov 4-p5架构的适应版本，并表明两者都可以训练，仅使用少量的训练数据就可以将未知对象从复杂但均匀的背景中区分出来。
2022-06-01 cs.CV stat.ML
IndustryShapes: An RGB-D Benchmark dataset for 6D object pose estimation of industrial assembly components and tools
National Technical University of Athens（希腊国家技术大学）
IndustryShapes是首个提供RGB-D静态上boarding序列的工业装配组件和工具6D姿态估计基准数据集，包含多样化的复杂场景和多模态数据，用于评估实例级和新物体姿态估计方法。
2026-02-05 cs.CV cs.RO
Object detection and Autoencoder-based 6D pose estimation for highly cluttered Bin Picking
Cognitive Systems Group, CS Department \ Karls Universit\"at T\"ubingen, Germany
料仓拾取是工业环境和机器人领域的核心问题，其主要模块是6D位姿估计。然而，工业深度传感器在处理小物体时缺乏准确性。因此，我们提出了一个框架，姿态估计在高度杂乱的场景中的小对象，主要依赖于RGB数据，并利用深度信息只为姿态细化。在这项工作中，我们比较合成数据生成方法的目标检测和姿态估计，并介绍了一个姿态过滤算法，确定最准确的估计姿态。我们将使我们
2021-06-15 cs.CV
Enhancing Object Detection Performance for Small Objects through Synthetic Data Generation and Proportional Class-Balancing Technique: A Comparative Study in Industrial Scenarios
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI））；Rheinland-Pfälzische Technische Universität (RPTU) Kaiserslautern-Landau（莱茵兰-普法尔茨凯泽斯劳滕-兰道工业大学（RPTU））
针对工业场景中小目标检测数据难获取、类别不平衡导致模型性能差的问题，提出结合合成数据生成与比例类别平衡技术的方法，对比了YOLOv5、YOLOv7、SSD在真实与合成数据组合下的检测性能。
2024-01-29 cs.CV cs.LG
Leveraging Multi-view Data for Improved Detection Performance: An Industrial Use Case
K|Lens GmbH（K|Lens有限责任公司）
本文针对PCB生产线上元器件检测的速度与精度挑战，提出多视角目标检测框架，并构建半自动标注的多视角数据集及多视角推理方法，使0.5至27.0毫米元器件的mAP提升15%。
2023-04-17 cs.CV
Contrastive Augmented Transformer with Domain-specific Enhancement for Robust Multi-scenario Metal Surface Defect Detection
Glasgow College, University of Electronic Science and Technology of China（格拉斯哥学院，电子科学与技术大学）
提出对比增强Transformer（CAT）框架，结合Swin Transformer骨干、特征金字塔网络、领域特定液滴增强算法和难负样本挖掘策略，解决金属表面缺陷检测中标注数据有限、多尺度缺陷识别难和跨场景泛化差的问题，在KolektorSDD2数据集上达到99.54%像素级AUROC。
2026-06-02 cs.CV
Large-scale 6D Object Pose Estimation Dataset for Industrial Bin-Picking
Fraunhofer Institute for Manufacturing Engineering and Automation IPA（弗劳恩霍夫制造工程与自动化研究所（IPA））；University of Stuttgart（斯图加特大学）
在本文中，我们介绍了一个新的公共数据集的6D物体姿态估计和实例分割的工业bin-picking。该数据集包括合成场景和真实世界场景。对于两者，提供点云、深度图像和包括6D姿态（位置和取向）、可见性分数和每个对象的分割掩模的注释。随着原始数据，提出了一种方法，用于精确注释现实世界的场景。据我们所知，这是第一个用于6D对象姿态估计和用于bin-picking的实例分割的公共数据集，其中包含用于基于学习的方法的充分注释的数据。此外，它通常是用于对象姿态估计的最大公共数据集之一。该数据集可在http://www.bin-picking.ai/en/dataset.html上公开获得。
2019-12-06 cs.AI cs.CV cs.RO
mixed attention auto encoder for multi-class industrial anomaly detection
East China Normal University（华东师范大学）
本文提出统一混合注意力自动编码器MAAE，以单一模型实现多类工业异常检测，通过空间与通道注意力、自适应噪声生成和多尺度融合缓解类别差异并保留表面语义，在基准数据集上取得显著性能。
2023-09-22 cs.CV
