近日，苏州鼎纳自动化有限公司在计算机视觉领域具有重要影响力的国际顶级学术会议CVPR 2023工业质检挑战赛中取得了优异成绩。鼎纳参赛队伍分别在两个赛道提出全新的数据增强策略以及高效的数据生成架构，取得优异成绩：在赛道2-Data Generation for Defect Detection（面向缺陷检测的数据生成竞赛）荣获第二名，同时在赛道二的官方前十排行榜上佼佼领先，占据了2-8名；在赛道1-Data Efficient Defect Detection（有限标注样本条件下的缺陷检测竞赛）的排名榜上名列第八。
随着计算机视觉技术在工业领域大放异彩，今年苹果公司主办了工业视觉检测专题研讨会（1st workshop on Vision-based Industrial Inspection），来自国内外的百余支团队齐聚一堂，旨在推动工业视觉检测的研究和创新。面对国内外众多强劲对手，鼎纳研发团队展现了严谨、创新和高效的科研工作能力，证明了公司算法团队在工业领域的技术实力和创新能力。在Data Efficient Defect Detection-数据高效检测赛道，鼎纳研发团队设计了一种新的数据增强策略来扩展训练样本，以缓解过拟合问题。具体来说，在预训练阶段，鼎纳研发团队利用迁移学习的思想，通过将原始图片切片让模型充分学习缺陷特征。之后利用Optimized_CopyPaste等算法扩充样本，最后fine-tune训练模型。鼎纳研发团队的工作在14个给定数据集上都卓有成效。在Data Generation for Defect Detection-缺陷数据生成的赛道，鼎纳研发团队提出了一种高效的数据生成框架，涵盖了数据增强模块、数据生成模块和数据筛选模块。鼎纳研发团队的数据生成框架能够针对模型的检测结果生成更有目的性的训练样本，这样在提升模型预测效果的同时避免了冗余的训练数据集。同时，鼎纳研发团队还提出了一种新的数据生成方法Scribble：结合mask-RCNN网络结构特点，能够在复杂样本上快速生成缺陷，提高模型对背景信息的利用。鼎纳研发团队的研究能够提升工业视觉检测的工作效率，缩小生产周期。一直以来，鼎纳公司始终专注核心技术的创新发展，以市场为引领，持续性高强度进行科研输出，使得鼎纳在精密制造领域取得一项项卓越成果。从实验到实现，再到实践，不断引领着行业的发展。秉承着“尊爱至诚、富有责任、追求卓越”的理念，在工业质检领域进行有益的技术探索和实践。鼎纳团队将始终专注于智能制造，致力于全球精密制造企业创造价值。
