- Open-Vocab Defect OD // 2512.24160
- GPU
- WAVE 6
RAN
检查员
RAN使用100万图像-文本对数据集执行文本条件异常检测，用于工业质量保证。用自然语言描述要寻找的缺陷——'找腐蚀'、'定位裂缝'、'识别错位'——RAN无需任何特定任务训练即可检测。桥梁、管道和建筑的基础设施检查以及设备维护需要检测因场景而异的异常。RAN的开放词汇方法通过文本提示适应任何检查场景，消除了每种缺陷训练数据的需求。
模块状态: 开发中状态
DEFECT
- 部门
- ANIMA
- 波次
- W6
- 领域
- 专业化
- 第6波 // ANIMA 套件
- 专业层 — 工业异常检测
RAN // W6 // 064/079
01核心挑战
专业层 — 工业异常检测
文本条件异常检测 — 描述缺陷即可检测。
该模块解决了ANIMA感知和智能堆栈中的关键缺口。
02解决方案
RAN 提供什么
文本条件异常检测 — 描述缺陷即可检测。
能力
- 先进的工业异常检测能力
- 集成到ANIMA感知堆栈
- 双语文档
- 生产就绪架构
03工程挑战
为什么这很难
构建 RAN 需要解决多个耦合问题：
- 01在边缘硬件上实现实时性能
- 02在多样条件下保持精度
- 03与现有ANIMA模块无缝集成
- 04在退化环境中鲁棒运行
RAN 通过精心的架构设计和严格的验证来解决这些问题。
04性能基准
用数据说话
关键指标：
| 指标 | 数值 |
|---|---|
| 状态 | 开发中 |
| 后端 | GPU |
| 集成 | ANIMA堆栈 |
| 论文 | Open-Vocab Defect OD |
05构建状态
已构建的功能
已完成 3/6 个组件
| 组件 | 状态 | 说明 |
|---|---|---|
| 核心架构 | 已完成 | 已验证 |
| 训练管线 | 已完成 | 就绪 |
| 集成 | 进行中 | ANIMA堆栈 |
| 边缘部署 | 进行中 | 优化 |
| 核心模型 | 已完成 | 生产验证 |
| API层 | 进行中 | REST API |
06应用场景
RAN 部署场景
- APP_01
机器人
自主机器人系统核心模块。
- APP_02
国防
军事和安全应用。
- APP_03
研究
学术和工业研究平台。
07技术
底层技术
基础：OPEN-VOCAB DEFECT OD
- 先进的工业异常检测能力
- 集成到ANIMA感知堆栈
- 双语文档
核心创新
文本条件异常检测 — 描述缺陷即可检测。
部署
- REST API
- Docker容器化
- Prometheus指标
- 可配置后端
计算
- 主要
- GPU
- 边缘
- 优化推理
- API
- REST + 流式
08论文
论文
- [01]Open-Vocab Defect OD（2512.24160）