OV Auto-Defect Creator Studio
生成式AI缺陷生成器，为您自动生产训练数据。为任何表面、任何材料、任何相机分辨率创建照片级逼真的合成缺陷。
AI 生成前后对比。
比手动采集缺陷更快
每张生成图像
缺陷放置精度
次生成，无配额
物理感知
它不是粘贴缺陷，而是理解缺陷。
像Stable Diffusion这样的确定性工具只是把缺陷盖印到像素上就到此为止。我们的模型会推理材料、物理原理以及接下来会发生什么，因此每一个合成缺陷都是您的检测模型在产线上可能真正遇到的。在图像上滑动进行对比，然后选择另一个零件。
01 / 08
锂离子软包电芯
模型的推理过程
了解零件
软包电芯是浸泡在液态电解液中的电极堆叠，密封在铝箔中。
应用物理原理
刺穿铝箔会破坏一个密封、饱和的电芯。
渲染后果
电解液渗出，在破口周围的标签上留下污渍。
没有物理原理时： 像素拼贴工具只画出破洞：标签上印一个黑点，完全忽略化学反应。
规模
在数百个SKU上生成划痕和凹痕的变体，无需损坏任何一个实物零件。
演示
观看Defect Creator实际演示
了解制造商如何使用AI生成的合成缺陷来缩短部署时间并提高模型精度。
演示涵盖的内容
- 上传. 加载干净的参考零件
- 标记. 绘制缺陷区域
- 描述. 描述类型和严重程度
- 生成. 照片级逼真的合成缺陷
无需真实缺陷零件，无需手动标注。输入干净的参考件，输出训练就绪的缺陷。
工作流程
五个步骤。一条流水线。
描述您的需求。智能体引擎处理上传、标记、提示词和渲染，无需手动合成。
上传
拖入干净的参考零件
标记
选择缺陷区域
描述
描述类型和严重程度
生成
引擎进行合成
导出
直接进入您的训练集
缺陷分类
一个干净零件。它失效的每一种方式。
同一连接器的九种状态：一张为拍摄的良品，八张为生成。一套任何生产线都无法按需搭建的缺陷词汇。
现场结果
完整运行，逐屏呈现。
在生产硬件上完成的完整工作室会话：Jetson板上的弯针、微划痕以及跨表面风格迁移。将鼠标悬停在任意画面上可放大查看细节。
在高密度PCB连接器上生成逼真的弯针缺陷。以NVIDIA Jetson Xavier为参考，选择精确的连接器引脚行，描述弯曲角度和方向，让AI合成逼真的引脚损伤，无需触碰任何真实电路板，即可为您的模型提供所需的稀有缺陷样本。
4 帧 · 滚动 →
步骤1 - 上传并配置
Defect Creator主界面。Jetson Xavier板已加载，引脚行已高亮，右侧面板配置了缺陷类型和严重程度设置。
步骤2 - AI输出
生成结果：逼真的弯针精确添加到选定位置。AI复制了正确的光照、引脚阴影和金属变形。
细节 - 选择蒙版
引脚接头上绘制选择蒙版的放大视图。精确的笔刷确保缺陷只出现在目标连接器引脚上。
细节 - 最终缺陷
显示合成引脚弯曲的放大结果。注意物理上合理的变形角度和从原始图像保留的金属光泽。
功能
完成工作的工具。
将一张干净的参考图像转化为您的检测模型可学习的已标注训练集所需的一切。
AI驱动的缺陷建议
上传产品图像，智能体引擎读取表面材料、纹理和光照，然后为该零件提出最可能的缺陷类型。
您的合成缺陷仓库
自动标记、建立索引、本地存储在您的浏览器中。无需云端上传，数据不会离开您的设备。
严重程度控制
从几乎无法察觉的微异常到灾难性的表面损伤。
批量生成
将数百个合成变体加入队列，让引擎自主渲染。
一个缺陷，适配所有表面
将一个真实缺陷重新渲染到任意干净参考件上。一条裂纹变成数百个样本。
现场报告
工程师们的评价。
各行各业的团队正在使用合成缺陷数据加速深度学习模型训练。
不到一小时完成完整数据集。
“我们过去每条新产品线都要花数周时间采集和标注缺陷图像。模型精度实际上提高了，因为合成数据覆盖了我们在产线上从未捕获到的边缘案例。”
几分钟覆盖数月的SKU工作量。
“在高混合生产环境中，每次换线都意味着需要训练新的缺陷类型。引擎在几分钟内生成了数千种照片级逼真的变体，彻底改变了我们的部署时间表。”
一个下午从想法到训练好的模型。
“我上传了一张黄金图像，选择了需要的缺陷类型，几分钟内就获得了完整的合成数据集。无需准备零件，无需等待不合格品，无需手动标注。”
部署
使用案例。
OV Auto-Defect Creator Studio在真实制造零件上运行的分步演示。逐屏了解每个会话的具体工作方式。
参考
常见问题。
关于合成缺陷数据和OV Auto-Defect Creator Studio。
合成缺陷数据是从干净的参考图像生成的计算机生成缺陷图像，而不是从真实缺陷零件采集的。OV Auto-Defect Creator Studio将照片级逼真的缺陷渲染到您的真实产品图像上，每个缺陷都附带像素级标签，因此您无需等待产线上出现真实缺陷即可训练检测模型。
您采集干净的参考图像，标记一个区域，然后用简单的语言描述缺陷。工作室会在大约十秒内在真实表面上生成缺陷及其分割蒙版。为每个缺陷类别重复此过程，然后在边缘相机上进行训练。无需编写代码或机器视觉工程。
对于单个缺陷工作流，从干净的参考图像到已部署的模型最短只需15分钟，而传统机器视觉的数据采集和重新训练周期长达数月。
风格迁移将一个已标注的缺陷重新渲染到不同的材料和颜色变体上，例如同一道划痕出现在木材、层压板和复合材料上。高混合生产线可以从单个创作的缺陷覆盖每一种变体，因此新SKU的上线速度大约快12.4倍。
不需要。来自真实产线的唯一输入是干净的良品参考图像。每个缺陷类别都是合成生成的，因此您永远不必损坏零件或等待稀有缺陷出现。
立即开始构建您的合成数据集
在AI检测领域胜出的制造商都是解决了训练数据问题的企业。这个缺陷生成器就是他们的做法。
