本研究分析了制造测试台的四个传感器数据集，评估了若干传统和基于机器学习的时间序列预测模型的性能，并通过从高数据速率传感器中执行转移学习来对缺乏数据的传感器进行缺陷类型分类，因此为实现预测维护铺平了道路。

Jun, 2022

使用机器学习的视觉和其他传感器技术在增材制造过程中进行现场监测，收集大量数据集，用于确定制造输出的质量和检测缺陷。通过系统回顾，发现在增材制造领域存在影响质量评估和缺陷检测的开放图像数据集的可用性问题。

Jan, 2024

这篇研究论文描述了一个名为 “Event-based Dataset of Assembly Tasks (EDAT24)” 的特色数据集，该数据集展示了一系列制造基本任务（空闲、取物、放置和拧紧），这些任务是任何制造装配中人工操作员执行的基本动作。对于实时检测和分析人体运动，该数据集使用了 DAVIS240C 事件相机，一种异步视觉传感器，当光强度发生变化时会注册事件。数据集中包含了使用 CT-Benchmark 开源项目的对象与静态 DAVIS 事件相机进行交互的行为样本，数据以原始格式（.aedat）和预处理格式（.npy）提供，并且还附带了自定义的 Python 代码，以帮助研究人员添加新的制造基本任务或扩展数据集的样本数量。

May, 2024

为了推动数据驱动的因果关系探测（CD），这项工作引入了两个新的连续制造过程的公共数据集，并提出了一种基于不同度量标准的基准测试程序，以评估广泛的 CD 算法，从而在现实条件下测试 CD 方法并选择适用于特定目标应用的最合适方法。

Aug, 2022

利用数据集工厂方法实现数据集存储和处理的分离，以及在机器学习团队和个人研究者间实现大规模数据中心化操作，以解决生成式人工智能工作流中数据处理和共享的挑战。

Sep, 2023

近年来，质量控制领域不断利用视频摄像和图像处理集成来进行有效的缺陷检测。然而，开发和改进自动缺陷检测模型所需的带有注释缺陷的全面数据集稀缺，阻碍了进展。本系统性综述涵盖 2015 年至 2023 年，鉴别 15 个公开可用的数据集并对其进行关键评估，以评估其用于基准测试和模型开发的有效性和适用性。研究结果揭示了各种数据集的多样化情况，如 NEU-CLS，NEU-DET，DAGM，KolektorSDD，PCB Defect Dataset 和空心圆柱缺陷检测数据集，每个数据集在图像质量、缺陷类型表示和实际应用方面都有其独特的优势和局限性。本系统性综述的目标是将这些数据集整合到一个地方，为寻找此类公开可用资源的研究人员提供全面参考。

Jun, 2024

确保自动驾驶汽车在恶劣天气下的安全可靠运行仍然是一个重大挑战，为此我们开发了一个全面的数据集，其中包括在真实测试场地和实验室中进行相同测试场景的传感器数据。该数据集包括在恶劣的天气条件下（雨天、夜间和雪天）记录的摄像头、雷达、激光雷达、惯性测量单元（IMU）和 GPS 数据。该数据集是一个宝贵的资源，为自动驾驶车辆领域的研究人员提供了在恶劣天气条件下测试和改进算法以及探索仿真与现实之间差距的机会。

Oct, 2023

对现有工业视觉检测基准进行研究，比较和揭示其特征和使用情况，并通过检查工业视觉检测基准的当前状态，揭示基准使用的指导方针。

May, 2023

近年来，许多研究人员开始研究虚拟现实（VR）追踪和交互数据在各种机器学习目的中的应用，包括用户识别、预测晕动症和估计学习收益。本文介绍了一项由我们基于 VR 的全尺寸装配模拟测试台（FAST）捕获的新的开放数据集。该数据集包括了来自 108 名参与者（50 名女性，56 名男性，2 名非二元）在 VR 中学习如何组装两个不同的全尺寸结构的数据。除了解释数据集的收集方式和描述包含的数据外，我们还讨论了该数据集如何被未来研究人员使用。

Mar, 2024

本文介绍了一个用于增强现有的 3D 感知和 6D 物体姿态数据集的新注解和获取方法，通过机器人前向运动学、外部红外跟踪器和改进的校准和注解过程，提出了一个多模态传感器装置，据此创建了高精度的 3D 数据，有效克服了现有数据集的限制，并为 3D 视觉研究提供了宝贵的资源。

Aug, 2023