Defect Creator Studio

Problem, das es löst: Sie benötigen Trainingsdaten für seltene Defekte, aber darauf zu warten, dass sie natürlich auftreten, dauert Wochen oder Monate.

Was es tut: Erzeugt fotorealistische synthetische Defektbilder aus einem einzelnen Gut-Bild und einer einfachen englischen Beschreibung. Laden Sie ein gutes Teil hoch, markieren Sie, wo der Defekt erscheinen soll, beschreiben Sie ihn ("haarfeiner Riss entlang der Schweißnaht") und erhalten Sie innerhalb von Sekunden Dutzende realistischer Trainingsbilder.

Kurz gesagt

• Erzeugt synthetische Defektbilder aus einem Gut-Bild und einer einfachen Beschreibung
• Läuft in der Cloud, hinter einem Einwilligungsbildschirm, der pro Kamera gespeichert wird
• Verwenden Sie es, um Lücken nach dem Training mit echten Teilen zu füllen, niemals als Ersatz dafür

Es läuft in der Cloud

Auf OV Spark befindet sich Defect Studio in der Seitenleiste unter Agentic Tools und trägt ein Cloud-Badge. Beim ersten Öffnen auf einer bestimmten Kamera erscheint ein Einwilligungsbildschirm, bevor irgendetwas geladen wird.

Die vier Zusicherungen, die er macht:

• Ihre Kamera bleibt standardmäßig offline und verbindet sich nur, während Sie ein Cloud-Tool aktiv nutzen
• Daten werden über eine sichere, verschlüsselte Verbindung zu Overview übertragen
• Bilder und Ergebnisse werden ausschließlich zum Betrieb des von Ihnen angeforderten Tools verwendet
• Nichts verlässt die Kamera, bevor Sie fortfahren, und die Entscheidung wird auf diesem Gerät gespeichert

Prüfen Sie dies gegen die Richtlinien Ihres Standorts, bevor Sie zustimmen

Viele Werke beschränken das Senden von Produktionsbildern nach außerhalb. Die Einwilligung wird pro Kameraseriennummer gespeichert, sodass eine Zustimmung auf einer Kamera nicht für eine andere gilt und eine Kamera in einem isolierten Netzwerk isoliert bleiben kann.

Eine Ablehnung kostet Sie sonst nichts. Jede Prüfungsfunktion der Kamera läuft auf dem Gerät selbst und hängt nicht davon ab.

Erste Schritte

1. Laden Sie ein sauberes, gut ausgeleuchtetes Bild Ihres Teils hoch. Ziehen Sie es per Drag & Drop in die Arbeitsfläche oder klicken Sie auf Browse Files. Das Tool unterstützt bis zu 8K-Auflösung, und alle Bilder werden lokal in Ihrem Browser gespeichert.
2. Wählen Sie Ihr Kameraziel. Passen Sie das Seitenverhältnis an die Kamera an, für die die Trainingsdaten bestimmt sind. OV Spark erfasst 1280 x 960 bei 4:3. Wenn Ihr Bild größer ist, skaliert das Tool automatisch herunter. Wenn das Seitenverhältnis nicht übereinstimmt, können Sie über ein Zuschnitt-Overlay auswählen, welchen Bereich Sie behalten möchten.
3. Wählen Sie einen Defekttyp. Nach dem Hochladen analysiert die KI Material, Form und Oberflächenbeschaffenheit Ihres Teils und schlägt dann relevante Defekttypen vor. 16 integrierte Typen sind verfügbar: Scratch, Dent, Chip, Stain, Crack, Corrosion, Porosity, Weld Defect, Discoloration, Burr, Delamination, Warping, Contamination, Missing Material, Inclusion und Oxidation. Sie können auch Custom Defects mit eigenen Beschreibungen hinzufügen.
4. Markieren Sie die Defektregion. Verwenden Sie die Annotationswerkzeuge, um präzise zu zeichnen, wo der Defekt erscheinen soll.
5. Generieren. Klicken Sie auf die lila Generate-Schaltfläche. Die KI erzeugt einen fotorealistischen Defekt innerhalb Ihrer markierten Region.

Annotationswerkzeuge

Die linke Werkzeugleiste bietet sieben Werkzeuge zur präzisen Platzierung von Defekten:

Kürzel	Werkzeug	Am besten geeignet für
C	Kreismarker	Runde oder punktförmige Defekte wie Pits, Blasen, lokale Verfärbungen
M	Rechteckauswahl	Bandförmige Muster wie Kratzer entlang einer Kante oder Verwerfungen auf Panel-Ebene
L	Lasso	Unregelmäßige oder organische Formen wie Risse, verschüttete Stellen, komplexe Bruchmuster
G	Verschieben/Skalieren	Neupositionieren und Skalieren von Annotationen nach dem Zeichnen
E	Radiergummi	Entfernen von Annotationen
H	Schwenken	Navigieren im Bild (vorübergehend auch durch Halten der Leertaste verfügbar)
Z	Zoom	Vergrößerung bis zu 800 % für pixelgenaue Präzision

Zusätzliche Tastenkürzel: Strg+Z zum Rückgängigmachen, Strg+Umschalt+Z zum Wiederherstellen, Entf zum Löschen der letzten Annotation.

Annotationswerkzeugleiste

Defekttyp-Panel mit Kameraauswahl und Generate-Schaltfläche

Enge Regionen liefern bessere Ergebnisse

Betrachten Sie jede Annotation als präzises Anweisungsfenster. Die KI erzeugt Defekte nur innerhalb Ihrer Auswahl. Wenn Ihre Region eng um den beabsichtigten Defektbereich gezogen ist, kann sich das Modell präzise fokussieren. Lose Regionen, die irrelevanten Hintergrund einschließen, können dazu führen, dass das Modell den Defekteinfluss über zusätzliche Flächen verteilt.

Effektive Defektbeschreibungen verfassen

Die KI interpretiert Ihren Defektnamen als natürlichsprachliche Anweisung. Spezifität ist entscheidend.

Qualität	Beispiel	Grund
Gut	„Leichte horizontale transparente Kratzer auf glänzendem Kunststoff"	Enthält Morphologie, Richtung, Oberflächentyp und visuelles Verhalten
Gut	„Feiner radialer Riss nahe der gegossenen Ecke"	Spezifisch zu Form, Position und Materialkontext
Schlecht	„Kratzer"	Zu vage, als dass das Modell etwas Brauchbares erzeugen könnte
Schlecht	„Beschädigung"	Keine Morphologie, kein Oberflächenkontext

Beginnen Sie zunächst mit den KI-vorgeschlagenen Defekttypen. Diese erscheinen in der Benutzeroberfläche kurz, intern wird jedoch jeder einer umfangreicheren semantischen Beschreibung zugeordnet, die dem Modell hilft, präzise Ergebnisse zu erzeugen. Fügen Sie nur dann einen benutzerdefinierten Defekt hinzu, wenn Ihr Ziel nicht durch die Vorschläge abgedeckt ist.

Capture from Image (Referenzdefekte)

Eines der leistungsstärksten Features. Verwenden Sie Browse & Capture, um ein hochgeladenes Bild auszuwählen, einen echten Defektbereich zu markieren und ihn als wiederverwendbare Referenzvorlage zu speichern. Damit können Sie einen realen Defekt von einem Bild auf andere Bilder übertragen.

• Die Benennung ist entscheidend. Der Ausschnitt umfasst sowohl den Defekt als auch den umgebenden Hintergrund. Die KI nutzt Ihren Namen, um zu verstehen, welcher Teil der eigentliche Defekt ist. „Verbogener Pin am Steckverbinder" bietet dem Modell einen semantischen Anker, während „Defekt" es im Unklaren lässt.
• Übertragungsszenarien: Dasselbe Teil in einer anderen Position, ähnliche Teile auf derselben Linie oder sogar verschiedene Fertigungslinien, wenn das Defektkonzept weiterhin sinnvoll ist.
• Schieberegler für Schweregrad, Rotation und Größe (nur Referenzdefekte): Ohne Variation wäre jeder übertragene Defekt eine exakte Kopie. Die Rotation ändert den Winkel und die Ausrichtung. Die Größe steuert die räumliche Abdeckung. Der Schweregrad steuert, wie visuell auffällig der Defekt erscheint.

Schweregrad-Steuerung

Der Schweregrad-Schieberegler steuert, wie visuell auffällig der Defekt erscheint. Die Standardeinstellung ist bewusst subtil, da die meisten realen Fertigungsdefekte subtil sind. Selbst bei 50 % bleiben Defekte recht schwach sichtbar. Bei 1 % sind Defekte für Menschen nahezu unsichtbar, OV-Vision-Kameras können sie jedoch weiterhin erkennen. Dies ist einer der wichtigsten Vorteile der Machine Vision: Die Kamera wird nie müde und kann Muster unterhalb der menschlichen Wahrnehmungsschwelle erfassen.

Stilvariationen-Modus

Befindet sich neben der Schaltfläche „Change Image". Nach dem Hochladen eines Bildes analysiert die KI den Teiletyp und schlägt in der Fertigung übliche Stilmodifikationen vor, z. B. das Ändern einer Metalloberfläche von gebürstet zu poliert, das Wechseln der Kunststofffarbe oder das Verändern des Beschichtungstyps. Sie können auch eigene benutzerdefinierte Stilvariationen hinzufügen.

Zwei gültige Reihenfolgen:

• Erst neu stilisieren, dann Defekte hinzufügen. Nützlich, um Trainingsdaten für eine neue Produktlinie oder Farbvariante zu erzeugen, bevor diese physisch existiert.
• Erst Defekte hinzufügen, dann neu stilisieren. Sehen Sie, wie derselbe Defekt über verschiedene Material-, Oberflächen- und Farbvarianten hinweg aussieht.

Teilegeometrie, Ausrichtung, Layout und Komposition bleiben identisch. Nur das gezielte Stilattribut ändert sich. Das ist besonders wertvoll, weil der Defektkontext über die Varianten hinweg stabil bleibt und Ihr Modell so lernt, den Defekt selbst zu erkennen, statt eine bestimmte Kombination aus Defekt und Oberflächenerscheinung.

Regionsgrenzen

• Bis zu 9 normale Defektregionen (integriert oder benutzerdefiniert textbasiert)
• Bis zu 4 Defekte per Referenzbildübertragung
• Weniger Regionen liefern in der Regel sauberere Ergebnisse. Beginnen Sie mit einer präzisen Region, prüfen Sie die Qualität und fügen Sie dann schrittweise weitere hinzu.

Warteschlange und Durchsatz

Das Studio führt bis zu 3 Generierungen parallel aus. Weitere Anfragen werden automatisch in die Warteschlange eingereiht und ausgeführt, sobald Slots frei werden. Nutzen Sie 3er-Bursts für schnelle A/B/C-Vergleiche: Reichen Sie dieselbe Konfiguration dreimal ein, vergleichen Sie die Ergebnisse nebeneinander und wählen Sie die beste Ausgabe. Für größere Mengen stellen Sie 10 oder mehr Jobs in die Warteschlange und lassen diese verarbeiten, während Sie weiterarbeiten.

Vergleichen, Bibliothek und Downloads

• Vergleichen: Wechseln Sie zwischen dem Basisbild und dem generierten Bild. Bei subtilen Defekten funktioniert ein schnelles Umschalten im Flicker-Stil am besten. Das menschliche Sehsystem erkennt Veränderungen durch Bewegung deutlich besser als durch statischen Nebeneinander-Vergleich.
• Bildbibliothek: Die untere Leiste bietet einen scrollbaren Filmstreifen für schnelles visuelles Durchsehen. Die erweiterte Ansicht bietet zusätzlich vollständige Datensatzverwaltung: Suchen, Sortieren, Mehrfachauswahl, Einzelbilder herunterladen, ZIP-Archive für Trainings-Pipelines erstellen und löschen.
• Persistenz der Annotationen: Wenn Sie zwischen Bildern wechseln, werden alle Annotationen automatisch beibehalten und wiederhergestellt.

Empfohlener Workflow

1. Laden Sie ein sauberes Basisbild mit guter Beleuchtung, korrektem Fokus und minimalem Hintergrundrauschen hoch.
2. Beginnen Sie mit den KI-vorgeschlagenen Defekten. Diese sind auf Ihren Teiletyp kalibriert.
3. Platzieren Sie eine präzise, eng gefasste Region und generieren Sie zuerst. Ein-Regionen-Durchläufe sind die zuverlässigste Basis.
4. Nutzen Sie Vergleichen intensiv nach jeder Generierung. Bei subtilen Defekten lässt schnelles Umschalten winzige Unterschiede visuell hervortreten.
5. Passen Sie Schweregrad, Regionsenge und Formulierungen auf Basis des Gesehenen an. Wiederholen Sie dies, bis sich die Qualität stabilisiert, und skalieren Sie dann auf mehrere Regionen und Warteschlangenvolumen.

Mit echten Daten starten, mit synthetischen beschleunigen

Der beste Ansatz: Trainieren Sie zunächst mit Ihren ersten 3–5 realen Bildern, identifizieren Sie, wo die KI Schwierigkeiten hat, und nutzen Sie dann Defect Studio, um gezielte synthetische Beispiele für diese spezifischen Fehlermodi zu erzeugen. Reale Daten vermitteln die Basis; synthetische Daten füllen die Lücken.

Synthetische Daten ergänzen reale Daten, sie ersetzen sie nicht

Bilder aus Defect Studio sind leistungsstark, um Lücken in Ihrem Trainingsdatensatz zu füllen, sollten jedoch niemals Ihre einzige Quelle für Trainingsdaten sein. Validieren Sie die Modellleistung stets anhand realer Produktionsbilder.

In Aktion sehen

Einordnung im Workflow: Sie verwenden Defect Studio während des Anlernens der AI-Tools in Schritt 3 des Rezept-Editors, um Trainingsdaten schneller zu erstellen.

Siehe auch

• Sparky, das andere agentische Tool
• Inspection Tools