Nature 子刊重磅！砂型铸造图像分割开源数据集，破解工业 4.0 自动化难题

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID计算机视觉研究院学习群扫码在主页获取加入方式https://pmc.ncbi.nlm.nih.gov/articles/PMC12575604/pdf/41597_2025_Article_6007.pdf计算机视觉研究院专栏Column of Computer Vision Institute本文提出全球首个面向砂型铸造浇口 / 冒口分割的综合图像数据集融合真实拍摄、3D 合成、数据增强三类图像已开源至 Kaggle直接为工业图像分割模型训练提供 “现成弹药”。PART/1痛点行业困局HMLV 铸造厂的自动化拦路虎劳动力危机美国 2030 年预计 210 万制造岗位空缺铸造行业人才断层严重人工成本持续攀升工艺痛点多品种小批量模式下零件形状、浇口 / 冒口位置无统一标准人工切割无法规模化传统自动化设备难以适配数据空白工业场景缺乏专用的砂铸分割标注数据集AI 模型无高质量数据支撑分割精度始终上不去。PART/2数据集数据集构建三位一体的工业视觉数据体系研究团队打造真实图像 合成图像 增强图像三维数据集总计 3240 张标注图像全面覆盖砂铸场景的 variability。1.铸件样本制备3D 打印简易铸件模具采用 6061 铝合金浇筑 30 个差异化样本砂型铸造制作流程2.真实图像采集用 Arduino 相机 3D 打印转台360° 每 20° 拍摄单样本 36 张图共生成 1080 张真实相机图图像采集装置3.3D 扫描选型优选 Einscan Pro HD 白光扫描仪1 分钟完成高精度扫描效率远超同类设备3D 扫描仪工作图4.合成与增强通过 Blender 渲染生成 1080 张合成图、1080 张增强图统一铝材质感保证视觉一致性5.精准标注用 Roboflow 平台标注零件、浇口、冒口三类目标生成 YOLO 格式分割掩码。Roboflow 标注示例PART/3实验质量核验四大指标锚定数据可靠性为验证数据有效性团队用 4 大核心指标量化图像质量同时通过颜色空间变换CST提升数据鲁棒性香农熵衡量图像信息含量真实图信息丰富度最优GLCM 纹理特征评估对比度、能量、均匀性等纹理属性固有维度ID量化数据集整体复杂度SSIM 结构相似性评估图像失真对结构信息的影响不同失真类型的 SSIM 值颜色空间变换示例无颜色变换的图像质量对比颜色空间变换后数据对比核心结论颜色空间变换能有效缩小真实图与合成 / 增强图的质量差距让合成数据更适配工业 AI 模型训练。PART/4优势实测出圈合成数据训练效果媲美真实图团队采用 YOLOv8、MaskRCNN 等主流分割模型测试纯合成数据训练的模型 mAP50 达 0.978超越真实图训练效果综合性能最优。模型训练性能结果开源福利直接可用数据集、转台控制代码、Blender 渲染脚本全开源至 Kaggle标注格式兼容 YOLO、MaskRCNN 等主流框架下载即训完美适配 HMLV 铸造厂场景快速落地浇口 / 冒口去除自动化。结语这份专用工业数据集填补了砂型铸造图像分割的数据空白为工业 4.0 背景下的小批量制造自动化提供了关键支撑。从数据到模型再到现场落地智能制造的最后一公里终于有了可落地的解题思路。有相关需求的你可以联系我们END转载请联系本公众号获得授权计算机视觉研究院学习群等你加入ABOUT计算机视觉研究院计算机视觉研究院主要涉及深度学习领域主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。研究院每日分享最新的论文算法新框架提供论文一键下载并分享实战项目。研究院主要着重”技术研究“和“实践落地”。研究院会针对不同领域分享实践过程让大家真正体会摆脱理论的真实场景培养爱动手编程爱动脑思考的习惯往期推荐YOLO-TLA一种基于 YOLOv5 的高效轻量级小目标检测模型ViT-YOLO基于Transformer的用于目标检测的YOLO算法SSMA-YOLO一种轻量级的 YOLO 模型具备增强的特征提取与融合能力适用于无人机航拍的船舶图像检测LUD-YOLO一种用于无人机的新型轻量级目标检测网络Gold-YOLO基于聚合与分配机制的高效目标检测器Drone-YOLO一种有效的无人机图像目标检测「无人机AI」“空中城管”无人机AI光伏巡检自动化解决方案无人机视角下多类别船舶检测及数量统计机场项目解决飞行物空间大小/纵横比、速度、遮挡等问题引起的实时目标检测问题2PCNet昼夜无监督域自适应目标检测附原代码YOLO-S小目标检测的轻量级、精确的类YOLO网络大改Yolo框架 | 能源消耗极低的目标检测新框架附论文下载改进的检测算法用于高分辨率光学遥感图像目标检测