Исследователи из США и Европы проверили, можно ли адаптировать модель CLIP для поиска производственных дефектов на небольшом числе примеров. Результаты исследования опубликованы 22 октября в Journal of Quality Technology.
Обычные системы визуального контроля обучают на размеченных фотографиях конкретных дефектов — например, трещин, царапин или дефектов сварки. По данным исследователей, сбор таких снимков может занять месяцы и стать значительной статьёй затрат для небольших и средних производителей.
CLIP, разработанная OpenAI, предварительно обучена на сотнях миллионов изображений. Команда изучила, как адаптировать модель к разным задачам проверки деталей, не обучая её распознавать дефекты с нуля.
В исследовании рассмотрели несколько задач промышленной инспекции и привели рекомендации по применению и оценке метода, а также его ограничения. Публикация не сообщает конкретных показателей точности и не говорит о внедрении модели на заводах.
Ying-Ju Chen, доцент математики Университета Дейтона, участвовал в работе вместе с международной командой. Исследование описывает возможный способ сократить объём данных для настройки визуального контроля, но не подтверждает, что модель одинаково хорошо распознаёт дефекты на разных производствах.
