計算機視覺研究人員使用機器學習來訓練視覺識別對象中的計算機，但是很少有人將機器學習應用于齒輪箱，軸承，制動器，離合器，電動機，螺母，螺栓和墊圈等機械零件。

普渡大學機械工程師團隊創(chuàng)建了第一個全面的開源注釋數(shù)據(jù)庫，其中包含58,000多個3-D機械零件，旨在幫助研究人員將機器學習應用于實際機器中的那些零件。

普渡大學的機械工程杰出教授唐納德·W·費德森(Donald W. Feddersen)教授Karthik Ramani說：“我們處于深度學習時代，使用計算機以視覺方式搜索事物。” “但是沒有人關注機器的零件：管道，軸承，電動機，墊圈，螺母和螺栓等。這些對于我們作為工程師和制造商來說很重要。我們希望能夠指出一個相機拍攝真實世界的零件，并讓計算機告訴我們有關該零件或設計的所有信息。”

Ramani的團隊在2000年代初期進行了視覺搜索零件的實驗，但是計算能力和機器學習技術還不夠先進。從那以后的幾年中，研究人員已經(jīng)了解到，構(gòu)建可靠的數(shù)據(jù)集既涉及質(zhì)量又涉及數(shù)量。

拉瑪尼說：“深度學習需要大量數(shù)據(jù)。” “計算機需要大量示例來學習人類的含義以及事物之間的相互關系。這意味著我們需要很多零件的3D模型，這也需要進行基礎的工程分類。”

該團隊首先與一家名為TraceParts的法國公司合作，這使Purdue的研究人員可以訪問其3D工程零件數(shù)據(jù)庫。該團隊與德克薩斯大學奧斯汀分校助理教授黃啟興合作，搜尋其他數(shù)據(jù)庫以獲取類似的3D模型。他們最終建立了58,696個機械零件的數(shù)據(jù)庫。

但是如果沒有好的數(shù)據(jù)，數(shù)據(jù)庫就不好了。Ramani的團隊根據(jù)國際標