scene op• Datenarten: table × table × table → table
• Aufruf: import optscene; optscene.inspection_dataset(scene, camera, lights, n: 'int' = 8, seed: 'int' = 0, exposure_ms: 'float' = 10.0, bit_depth: 'int' = 8, jitter_mm: 'float' = 0.0, tilt_jitter_deg: 'float' = 0.0, intensity_jitter: 'float' = 0.0, depth: 'int' = 1, defects: 'dict' = None, supersample: 'int' = 1, adaptive: 'bool' = False, light_samples: 'int' = None, environment=None, environment_gain: 'float' = 1.0) -> 'list' (oder opsoptics.get("inspection_dataset"))
Erzeugt n Trainingsbilder für eine Sichtprüfungs-KI mit pixelgenauen Labels.
> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.
同じ部品を、照明(`lights` に複数渡すと 1 枚ごとに巡回)・置き方
(`jitter_mm の並進、tilt_jitter_deg` のカメラ傾き)・明るさ
(`intensity_jitter` の相対ゆらぎ)を振って撮る = ドメインランダム化。
返り値は 1 枚あたり dict:
`image 量子化済み (H, W, 3) / defect_mask` 欠陥の真値 /
`part_mask 部品の真値 / depth_mm` 深度の真値 /
`meta` 使った照明種別・露光・ゆらぎ量・欠陥ラベル(再現に必要な値をすべて)。
`defects に :func:random_defects` の引数 dict を渡すと、**1 枚ごとに
欠陥を引き直す**(`scene` の先頭を対象にする)。これが外観検査 AI の学習
データ生成そのもので、欠陥の種類・位置・大きさ・深さと照明が同時に振れる。
`seed` を固定すれば決定的。同じ欠陥でも照明を変えると見え方が変わる
ことがこの生成器の要点で、だから照明を振った枚数が効く。
Jeder optics-Operator prüft seine Eingabe vor der Berechnung (nichts rutscht stillschweigend durch):
• Einheiten stecken im Argumentnamen — _mm / _um / _deg / _mrad. Eine Verwechslung von mm und µm stürzt nicht ab, sondern liefert eine plausibel aussehende falsche Antwort; der Name verhindert das. Aus der Größenordnung wird nie auf die Einheit geschlossen.
• **Strings lösen ValueError aus** — float('50') gelingt, sodass ein ungeparster Konfigurationswert als Länge durchrutschen würde (gemessen: thin_lens('50', '200') lieferte plausible 66,667 mm). bool wird als implizite Hochstufung True == 1 ebenfalls abgelehnt.
• **complex / Masked Arrays lösen ValueError aus (nur reelle Slots; das stille Verwerfen des Imaginärteils bzw. Abstreifen der Maske wird abgelehnt). NaN/Inf löst bei jeder Eingabe ValueError aus.**
• Division durch null und Verwandtes wird namentlich abgelehnt: Brennweite 0, Krümmungsradius 0, Brechzahl <= 0, undurchlässige Blende (alles 0, die Normierung wird 0/0), PSF mit Summe <= 0, Stokes-Vektor mit S0 = 0 und ein Objekt im vorderen Brennpunkt (Bild im Unendlichen).
• Nur zwei Operatoren liefern einen nicht-endlichen Wert, und beide halten das vertraglich fest: depth_of_field liefert jenseits der hyperfokalen Distanz far_mm = inf (genau das bedeutet die hyperfokale Distanz), und gaussian_beam liefert an der Taille wavefront_radius_mm = inf (der Krümmungsradius einer ebenen Wellenfront). Beide liefern zusätzlich einen endlichen Partner (far_is_infinite / curvature_per_mm). **Jedes andere stille NaN/Inf wird intern erkannt und löst ValueError aus** — "float64 ist übergelaufen" und "die Antwort ist unendlich" sind verschiedene Aussagen; die erste wird nie im Gewand der zweiten geliefert.
• Größenobergrenzen: erzeugte Gitter durch optics.MAX_GRID (4096), übergebene Felder/PSFs/Blenden durch optics.MAX_FIELD_ELEMENTS (2^24), ABCD-Elementketten durch optics.MAX_SYSTEM_ELEMENTS (1024), Zernike durch MAX_ZERNIKE_TERMS (512) / MAX_ZERNIKE_ORDER (40) / MAX_ZERNIKE_BASIS (2^25). Damit werden Pfade fail-closed geschlossen, in denen ein kleines Argument eine riesige interne Allokation auslöst (gemessen: n_max=40 × 4096² braucht 108 GB).
• Physikalisch unmögliche Zustände werden ebenfalls abgelehnt: Stokes-Vektor mit Polarisationsgrad > 1, negative Transmission, negative Intensität und ungültige Zernike-Indizes wie ungerades n-|m|.
• Leitfaden zur Familie optics_imaging
• dataset_conventions — 学習データセット規約の知識 — COCO / YOLO / VOC と外観検査での落とし穴
• mv_cameras — 産業用カメラメーカー（センサとの紐付け・ラインスキャン / TDI）
• mv_illumination_practice — 照明の実務知識 — 波長・偏光・点灯方式・外光・安全
• mv_image_sensors — 産業用イメージセンサ（現行品中心）
• virtual_machine_vision — 仮想マシンビジョン — パラメータの洗い出しとオブジェクト模型
• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).
• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.
• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.
• virtual_machine_vision — py -3.11 examples/virtual_machine_vision.py
table als Eingabe)abcd_matrix · wavefront_stats · paraxial_trace · seidel_coefficients · spot_stats · tolerance_analysis · wavefront_from_opd · spot_diagram
scene)scene_material · scene_plane · scene_sphere · scene_box · scene_cylinder · surface_defect · surface_finish · random_defects
*Provenance: optscene.py — OPTICS Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.