الكشف البصري الصناعي يُعد جزءًا أساسيًا في الصناعة الحديثة لصيانة المعدات والتفتيش عليها. وبفضل التقدم الأخير في التعلم العميق، تم تطوير كاشفات كائنات صناعية متقدمة لتطبيقات صناعية ذكية. ومع ذلك، يُعرف أن أساليب التعلم العميق تستهلك كميات كبيرة من البيانات: إذ تُعد عمليات جمع البيانات وتصنيفها مجهدة من حيث الوقت والجهد. ويُعد جمع مجموعات بيانات متاحة للعامة أمرًا غير عملي بشكل خاص في السياقات الصناعية، نظرًا للتنوع المتأصل في هذه البيانات والقيود المتعلقة بالخصوصية. في هذا البحث، نستكشف أتمتة الكشف البصري الصناعي ونُقدِّم إطارًا تجميعيًا للتحليل التمييزي (Segmentation-Aggregation Framework) لتعلم كاشفات الكائنات من بيانات بصرية مُعلَّمة بشكل ضعيف. ويتطلب أقل مستوى من التصنيف فقط علامات فئة على مستوى الصورة دون وجود مربعات حدودية. وتم تنفيذ الطريقة وتقييمها باستخدام صور عوازل تم جمعها وبيانات معيارية عامة من معيار PASCAL VOC للتحقق من فعاليتها. وأظهرت التجارب أن نماذجنا تحقق دقة كشف عالية ويمكن تطبيقها في الصناعة لتحقيق كشف بصري تلقائي بتكلفة تسمية مُنتَجة إلى أدنى حد.