金屬表面缺陷檢測常用數(shù)據(jù)集

2022-12-15 11:19:54 精質視覺

　　1)鋼材表面：NEU-CLS(可用于分類、定位任務)

　　由東北大學(NEU)發(fā)布的表面缺陷數(shù)據(jù)庫，收集了熱軋鋼帶的六種典型表面缺陷，即軋制氧化皮(RS)，斑塊(Pa)，開裂(Cr)，點蝕表面( PS)，內含物(In)和劃痕(Sc)。該數(shù)據(jù)庫包括1,800個灰度圖像：六種不同類型的典型表面缺陷，每一類缺陷包含300個樣本。對于缺陷檢測任務，數(shù)據(jù)集提供了注釋，指示每個圖像中缺陷的類別和位置。對于每個缺陷，黃色框是指示其位置的邊框，綠色標簽是類別分數(shù)。

　　2)天池鋁型材表面瑕疵數(shù)據(jù)集(競賽)

　　數(shù)據(jù)集介紹：在鋁型材的實際生產過程中，由于各方面因素的影響，鋁型材表面會產生裂紋、起皮、劃傷等瑕疵，這些瑕疵會嚴重影響鋁型材的質量。為保證產品質量，需要人工進行肉眼目測。然而，鋁型材的表面自身會含有紋路，與瑕疵的區(qū)分度不高。傳統(tǒng)人工肉眼檢查十分費力，不能及時準確的判斷出表面瑕疵，質檢的效率難以把控。近年來，深度學習在圖像識別等領域取得了突飛猛進的成果。鋁型材制造商迫切希望采用最新的AI技術來革新現(xiàn)有質檢流程，自動完成質檢任務，減少漏檢發(fā)生率，提高產品的質量，使鋁型材產品的生產管理者徹底擺脫了無法全面掌握產品表面質量的狀態(tài)。大賽數(shù)據(jù)集里有1萬份來自實際生產中有瑕疵的鋁型材監(jiān)測影像數(shù)據(jù)，每個影像包含一個或多種瑕疵。供機器學習的樣圖會明確標識影像中所包含的瑕疵類型。