산업 생산에서 자동화 및 지능화는 자동 대상 탐지를 빼놓을 수 없으며, 높은 정확도의 자동 대상 탐지는 실제 환경에 적합한 데이터셋에 의존한다. 본 논문은 산업 실제 환경을 대상으로 PD4CV(Part Detection for Control Valve) 2023이라는 밀집 제어 밸브 부품 데이터셋을 발표하였다. 이 데이터셋의 모든 이미지는 제어 밸브 생산 작업장으로부터 수집되었으며, 이미지 수집 후 먼저 데이터셋 이미지에 전처리 작업을 수행하고, 그 다음 데이터셋 이미지 내 부품 대상에 대한 주석을 진행한 후 최종적으로 학습 집합, 검증 집합 및 테스트 집합으로 분할하였다. PD4CV2023 데이터셋은 9가지 부품 클래스를 포함하며, 510개의 공구판 이미지와 15,015개의 부품 샘플을 포함하고 있으며, 평균적으로 한 이미지당 약 29개의 부품 샘플이 있다. 기존의 대상 탐지 데이터셋과 비교할 때, 이 데이터셋은 부품 밀집 배치, 가림 현상, 부품 크기 차이, 일부 부품 형태 유사성, 부품 샘플 수 불균형 등의 특징을 가진다. 마지막으로 다양한 유형 데이터셋에 대한 사전학습 비교 실험에서 일반 장면 데이터셋과 특정 산업 장면 데이터셋은 각각 일반 및 특정 작업에만 적합한 반면, 실제 제어 밸브 생산 환경을 대표하는 PD4CV2023 데이터셋은 제어 밸브 부품 대상 탐지에 사용될 수 있으며, 독특하고 대체 불가능함을 보여준다; 일련의 대상 탐지 알고리즘에 대한 종합적 비교는 PD4CV2023 데이터셋이 일반 대상 탐지, 다중 스케일 대상 탐지, 소규모 및 불균형 데이터 대상 탐지에서의 효과성을 검증하였다. PD4CV2023 데이터셋은 산업 대상 탐지 관련 연구에 사용될 수 있다.

딥러닝;산업 대상 탐지;데이터셋;제어 밸브 부품