几种表面缺陷检测数据集

数据集介绍：工业表面缺陷检测数据集 一、基础信息 数据集名称：工业表面缺陷检测数据集 图片数量： - 训练集：964张图片 - 验证集：240张图片 - 总计：1,204张工业检测图片 分类类别： - beyaz（白色区域）：表面材质中的纯色无缺陷区域 - cizik（划痕）：材料表面线性划伤痕迹 - delik（孔洞）：穿透性圆形或异形缺陷 标注格式： YOLO格式，包含标准化边界框坐标及类别标签，适用于工业质检场景的目标检测任务。 数据特性： 无人机或工业相机采集的俯视角度图像，覆盖多种表面材质缺陷形态。 二、适用场景 1. 工业质检自动化系统开发： 通过目标检测算法实现划痕、孔洞等缺陷的自动化识别，适用于金属、塑料等材料表面检测。 1. 制造过程质量监控： 整合至生产线视觉检测系统，实时发现产品表面缺陷，提升良品率。 1. 缺陷评估算法研究： 支持缺陷面积计算、缺陷密度统计等延伸算法开发。 1. 工业AI教学实践： 提供标准化缺陷检测数据集，适用于智能制造相关课程实验与项目开发。 三、数据集优势 类别定义清晰： 严格区分表面完好区域（beyaz）、线性缺陷（cizik）与穿透缺陷（delik），支持精准的缺陷分类需求。 工业场景适配性强： 包含不同光照条件、拍摄角度的检测样本，模拟真实工厂环境中的复杂情况。 即用性突出： YOLO格式可直接用于主流检测框架（YOLOv5/v7/v8等），支持快速模型训练与部署。 缺陷形态多样性： 覆盖从微小划痕到显著孔洞的渐进式缺陷样本，满足不同严格度的检测标准验证需求。