SuperAPI AI 工具集

physical-ai-defect-image-generation

设计与创作

查看项目

更新于 10-16 07:24

技能介绍

用途:在 OSMO 上端到端编排缺陷图像生成、增强与标注流水线,服务于 AOI(自动光学检测)数据集。AnomalyGen 基于 Cosmos-Predict2-2B 按用例微调,提供 Cosmos-AnomalyGen-PCB-2B、-Metal-2B、-Glass-2B。每个流程在 assets/configs/ 下有对应的 OSMO 工作流 YAML,非交互式串联全部步骤;assets/cookbooks/ 提供 PCBA 的 usd2roi/image-edit 配置与各用例的 AnomalyGen 训练配置。

主要能力与流程:Day 0 纹理缺陷(usd2roi → Qwen Image-Edit 增强 → 微调或直通 → 推理内联标注,含缺件);Day 0 好图生成(usd2roi-render + Qwen Image-Edit 外观迁移);Day 0 结构缺陷(IsaacSim 位姿扰动 shift/tombstone/sideflip + 逐元件裁剪 → Qwen Image-Edit 光照迁移);Day 1 推理+标注(真实照片对齐为 PCBA 默认,或手动 ROI 用于金属/玻璃);仅微调流程。ChangeNet 金样/缺陷对通过两次提交、相同 --set name= 配对。

使用方式:先做首次门控,必须通过 AskUserQuestion 获取 dig_url_root(不可静默默认,s3://osmo-workflows/dig 仅为待确认建议),并确认 OSMO --pool、Pod 模板、Day 0 的 image-edit 端点。随后按顺序运行 preflight_credentials.sh、preflight_pod_template.sh、preflight_urls.sh <flow> <usecase>,每次提交前重新生成 $STAMP 并传 --set name=<flow>-$STAMP。提交后按 references/monitoring.md 轮询,用 osmo workflow query、osmo workflow logs、osmo data download 获取结果。

适用场景:PCBA、金属表面、玻璃检测的缺陷数据合成与标注。

限制:所有流程运行于 OSMO;Day 0 需要 image-edit 端点;结构缺陷输出对 render_patches 非线性,且无 crop_max_emit;crop_max_emit 与 render_patches 分属不同阶段,不可混用;模糊请求须先消歧。具体收费、价格与效果资料暂未提供。