SynSur：用于合成工业表面缺陷生成和检测的端到端生成管道

工业表面缺陷检测面临基本的数据瓶颈：缺陷很少见，注释需要专业知识，收集平衡的训练集速度慢且成本高。我们推出了 SynSur，这是一种用于合成缺陷生成和自动注释的端到端管道，旨在减少限制部署检测系统的手动工作量和数据稀缺性。该管道结合了基于视觉语言模型的提示构造、LoRA 适应扩散、掩模引导修复、基于度量的样本过滤和自动标签派生。我们在 BSData（滚珠丝杠驱动器上的点蚀缺陷）和 MSD 的划痕子集上评估 SynSur，报告在纯真实、纯合成、混合和联合训练方案下跨 YOLOX、YOLOv26 和 LW-DETR 的下游检测性能。完整的生成管道可处理 1,000 张图像的候选池，并提供经过过滤、带注释的合成数据集，无需手动标记工作。纯合成训练并不能取代真实数据；然而，用合成样本增强完整的真实集可以在选定的配置中产生一致的 AP 增益，并且增强稀缺的真实集可以大大缩小与完整真实数据训练的性能差距。 MSD 的跨领域研究证实了流程的可移植性，同时强调了特定领域适应和注释质量控制的重要性。 SynSur 证明，基于扩散的缺陷合成是加强工业检测流程的实用可行工具，特别是在标记数据收集是主要瓶颈的情况下。