金属表面缺陷检测数据集
一、基础信息
数据集名称：金属表面缺陷检测数据集
图片数量：
训练集：12,027张图片
验证集：1,146张图片
测试集：572张图片
总计：13,745张工业制造场景中的金属表面图片
分类类别：
- 边缘毛刺（EDGEBURR）
- 边缘凹痕（EDGEDENT）
- 长划痕（LONGSCRATCH）
- 点蚀群（PITSCLUSTER）
- 点蚀点（PITSDOTS）
- 翻边毛刺（ROLLOVERBURR）
- 粗糙斑块（ROUGHPATCH）
- 短划痕（SHORTSCRATCH）
- 表面凹痕（SURFACEDENT）
- 表面斑块（SURFACEPATCH）
标注格式：
YOLO格式，包含边界框和类别标签，适用于目标检测任务。
数据格式：来源于工业制造场景的金属表面图像，格式为JPEG/PNG。
二、适用场景
工业制造质量检测系统开发：
数据集支持目标检测任务，帮助构建自动识别金属表面缺陷的AI模型，用于生产线上的实时质量检测，提高产品良率。
自动化质量控制流程：
集成至工业自动化系统，实现对金属零部件的自动缺陷检测，减少人工成本，提升检测效率。
学术研究与工业应用创新：
支持计算机视觉在工业检测领域的研究，为智能制造提供数据支撑。
工业检测技术培训：
数据集可用于制造业培训，帮助工程师识别各类金属表面缺陷，提升专业技能。
三、数据集优势
缺陷覆盖全面：
包含10种金属表面常见缺陷类型，涵盖毛刺、凹痕、划痕、点蚀、斑块等关键工业缺陷特征。
数据规模庞大：
提供超过1.3万张高质量标注图像，确保模型训练的充分性和鲁棒性。
标注精确可靠：
采用YOLO格式的标准边界框标注，定位准确，可直接用于主流深度学习框架的目标检测模型训练。
工业应用价值高：
数据来源于真实工业场景，直接服务
2025-10-28 12:49:18
487.31MB
1
【缺陷识别】基于支持向量机算法实现金属表面缺陷检测matlab源码.md
2021-08-06 09:07:38
13KB
1