Defect Creator Studio

解决的问题： 您需要稀有缺陷的训练数据，但等待它们自然发生往往需要数周甚至数月。

它的作用： 基于一张良品图像和一个简单英文描述，生成照片级真实感的合成缺陷图像。上传一张良品部件图片，标注缺陷应出现的位置，描述它（如“沿焊缝的细微裂纹”），即可在数秒内获取数十张逼真的训练图像。

Getting started

1. 上传 一张干净、光线充足的部件图片。将图片拖放到画布中，或点击 浏览文件。该工具支持高达 8K 分辨率，且所有图片均在浏览器本地存储。
2. 选择您的相机目标。 在 OV10i/OV20i（1408 x 1080，4:3）与 OV80i（3840 x 2160，16:9）之间切换。这些与 OV 摄像头的实际传感器输出相匹配。如果图像较大，工具会自动缩放。如果纵横比不匹配，将显示裁剪覆盖层，供您选择保留的区域。
3. 选择缺陷类型。 上传后，AI 将分析您零件的材料、形状和表面处理，并建议相关的缺陷类型。16 种内置缺陷类型为：Scratch, Dent, Chip, Stain, Crack, Corrosion, Porosity, Weld Defect, Discoloration, Burr, Delamination, Warping, Contamination, Missing Material, Inclusion, and Oxidation。您也可以添加 Custom Defects，并使用您自己的描述。
4. 标记缺陷区域。 使用标注工具，在图像上精确绘制缺陷应出现的位置。
5. 生成。 点击紫色的按钮。AI 将在您标注的区域内生成逼真的缺陷。

Annotation tools

左侧工具栏提供七种工具，用于精确定位缺陷：

快捷键	工具	最佳用途
C	圆形标记	针对圆形或点状缺陷，如凹坑、气泡、局部变色
M	矩形选取	针对带状模式，如边缘的划痕或面板级翘曲
L	套索	针对不规则或有机形状，如裂纹、洒落、复杂断裂模式
G	移动/调整大小	绘制后的注释重新定位与调整大小
E	橡皮擦	删除注释
H	平移	在图像上浏览（按住空格键可临时使用）
Z	缩放	放大至 800% 以实现像素级精度

额外快捷键：Ctrl+Z 撤销，Ctrl+Shift+Z 重做，Del 删除最后一个标注。

标注工具栏

缺陷类型面板，含相机选择器与生成按钮

紧凑区域可获得更好的结果

将每个注释视为一个精确的指令窗口。AI 仅在您选择的区域内生成缺陷。如果您标注的区域紧贴目标缺陷区域，模型可以实现更高的聚焦精度。包含无关背景的松散区域可能导致模型将缺陷影响扩展到额外区域。

撰写有效缺陷描述

AI 将您的缺陷名称解释为自然语言指令，具体性很重要。

质量	示例	原因
Good	"Light horizontal transparent scratches on glossy plastic"	Includes morphology, direction, surface type, and visual behavior
Good	"Fine radial crack near molded corner"	Specific about shape, location, and material context
Bad	"scratch"	Too vague for the model to produce anything useful
Bad	"damage"	No morphology, no surface context

请先从 AI 建议的缺陷类型开始。它们在 UI 中显示为简短描述，但内部每一个都映射到更丰富的语义描述，帮助模型产生更准确的结果。仅在目标未被这些建议覆盖时才添加自定义缺陷。

从图像捕获（参考缺陷）

最强大功能之一。使用 Browse & Capture 选择上传的图像，标记一个真实缺陷区域，并将其保存为可重复使用的参考模板。这样可以把一个真实缺陷从一张图像转移到其他图像。

• 命名至关重要。 裁剪包含缺陷及其周围背景。AI 使用您的名称来理解哪一部分才是真正的缺陷。"Bent pin on connector" 给模型提供一个语义锚点，而 "defect" 让它在猜测。
• 传输场景： 同一部件在不同位置、同一生产线上的相似部件，甚至在不同制造线上，只要缺陷概念仍然有意义（例如，一个塑料外壳上的划痕可以很好地转移到另一个塑料外壳上）。
• Severity、Rotation、Size sliders (reference defects only): 若没有变化，每个传输的缺陷将是完全相同的拷贝。Rotation 改变角度和方向。Size 控制空间覆盖。Severity 控制缺陷的视觉显著程度。

严重程度控制

严重程度滑块控制缺陷在视觉上的显著程度。默认值故意设定得较为微妙，因为大多数实际制造缺陷本就较为微妙。即使达到 50%，缺陷仍然相当微弱。在 1% 时，缺陷对人眼几乎不可见，但 OV vision 摄像头仍然可以检测到它们。这是机器视觉的一个关键优势：摄像头永不疲劳，能够检测到人类感知阈值以下的模式。

样式变体模式

位于 Change Image 按钮旁边。上传图像后，AI 会分析部件类型并提出制造业中常见的样式修改建议，例如将 metal finish 从 brushed 改为 polished、切换 plastic color，或改变 coating type。您也可以添加您自己的自定义样式变体。

两种有效顺序：

• Restyle first, then add defects. 有助于在新产品线或新配色尚未实际存在时生成训练数据。
• Add defects first, then restyle. 查看同一缺陷在材料、表面处理和颜色变体上的外观。

部件几何、方向、布局和组成保持不变。仅更改目标样式属性。这在变体之间缺陷上下文（位置、形状、严重程度）保持稳定时尤为有价值，因此您的模型将学会检测缺陷本身，而不是缺陷与表面外观的特定组合。

区域限制

• 最多 9 个常规缺陷区域（内置或基于文本的自定义）
• 最多 4 个参考图像传输缺陷
• 区域越少通常结果越干净。请先使用一个精确的区域，验证质量，然后逐步增加。

队列与吞吐量

• Studio 最多可同时进行 3 次生成。
• 其他请求会自动进入队列，并在槽位可用时执行。
• 使用 3 次轮次运行进行快速 A/B/C 比较：提交相同配置 3 次，进行并排比较，并选择最佳输出。
• 对于大量任务，请将 10 个及以上的作业排队，在您继续其他工作时让它们完成处理。

Compare、Library 与 Downloads

• Compare（Compare）：在基线图像与生成图像之间切换。对于微小缺陷，快速切换/闪烁式切换效果最佳。人眼对运动中的变化的感知通常比对静态的并排对比更敏感。
• Image Library（Image Library）：底部托盘提供一个可滚动的 filmstrip，用于快速视觉浏览。扩展视图提供完整的数据集管理：搜索、排序、多选（Ctrl/Shift-click）、下载单张图像、为训练管道创建 ZIP 压缩包，以及删除。
• Annotation persistence（注释持久化）：在切换图像时，所有注释都会自动保留并恢复。离开查看另一张图像后再返回，您会发现所有区域都将保持在离开时的位置。

推荐的工作流程

1. 上传干净的基线图像，并确保它适合 OV20i（1408 x 1080）的取景框。良好的照明、适当的对焦和最小的背景杂乱都能帮助提升效果。
2. 以 AI 建议的缺陷开始。它们是针对您的零件类型进行校准的。只有在目标缺陷缺失时才添加自定义命名。
3. 放置一个精确且紧凑的区域并生成第一版。单区域运行是最可靠的基线。
4. 每次生成后请积极使用 Compare。对于微小缺陷，快速切换使极小差异在视觉上更易显现。
5. 根据所见调整缺陷严重性、区域紧密度和措辞。重复，直到质量稳定，然后扩展到多个区域和排队作业量。

从真实数据开始，用合成数据加速

最佳方法是：先用最初的 3–5 张真实图像进行训练，找出 AI 在何处存在困难，然后使用 Defect Studio 为那些特定的故障模式生成有针对性的合成示例。真实数据提供基线；合成数据用于填补空缺。

合成数据只是对真实数据的补充，不能替代它

Defect Studio 图像在填补训练集的空缺方面非常强大，但它们永远不应该成为你唯一的训练数据来源。请始终在真实生产图像上验证模型性能。

See it in action

在工作流程中的定位： 您将于 Step 4: Train Your AI Model 使用 Defect Studio，以更快地构建训练数据。