数据集概述
某中心公开发布工业产品分拣场景下采集的最大规模图像数据集ARMBench，包含超过19万件物体，较先前工业图像数据集规模提升三个数量级。该数据集用于训练具备更强泛化能力的"抓取放置"机器人。
技术架构
三大核心任务
- 物体分割：识别同一箱内不同产品边界，包含5万余张图像，每图像含1-50个手动分割标注
- 物体识别：将图像中标注物体与参考数据库匹配，包含23.5万个标注抓取活动及19万件产品的参考图像
- 缺陷检测：识别机器人操作错误（如多物品抓取或物品损坏），包含1.9万张静态图像和4000条缺陷视频
图像分类体系
- 抓取图像：机器人处理前箱内物品的俯视图
- 转移图像：机器人将物品转移至传送带托盘时的多视角图像
- 放置图像：已放置选定物品的托盘俯视图
技术挑战
- 高度杂乱环境下的物体分割
- 透明/反光物体的识别处理
- 相似产品的差异化识别
- 多模态信息（图像与文本）融合
- 视频流中的异常事件检测
应用价值
数据集支持计算机视觉关键技术探索：
- 图像分类算法优化
- 异常检测模型训练
- 视频缺陷事件识别
- 跨模态学习系统开发
发展展望
将持续扩展数据集规模及产品覆盖范围，致力于提升仓库机器人实用性能，并推动通用计算机视觉模型发展。