金屬表面缺陷檢測(cè)常用數(shù)據(jù)集

2022-12-15 11:19:54 精質(zhì)視覺

　　1)鋼材表面：NEU-CLS(可用于分類、定位任務(wù))

　　由東北大學(xué)(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(diǎn)蝕表面( PS)，內(nèi)含物(In)和劃痕(Sc)。該數(shù)據(jù)庫包括1,800個(gè)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(gè)樣本。對(duì)于缺陷檢測(cè)任務(wù)，數(shù)據(jù)集提供了注釋，指示每個(gè)圖像中缺陷的類別和位置。對(duì)于每個(gè)缺陷，黃色框是指示其位置的邊框，綠色標(biāo)簽是類別分?jǐn)?shù)。

　　2)天池鋁型材表面瑕疵數(shù)據(jù)集(競(jìng)賽)

　　數(shù)據(jù)集介紹：在鋁型材的實(shí)際生產(chǎn)過程中，由于各方面因素的影響，鋁型材表面會(huì)產(chǎn)生裂紋、起皮、劃傷等瑕疵，這些瑕疵會(huì)嚴(yán)重影響鋁型材的質(zhì)量。為保證產(chǎn)品質(zhì)量，需要人工進(jìn)行肉眼目測(cè)。然而，鋁型材的表面自身會(huì)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(fèi)力，不能及時(shí)準(zhǔn)確的判斷出表面瑕疵，質(zhì)檢的效率難以把控。近年來，深度學(xué)習(xí)在圖像識(shí)別等領(lǐng)域取得了突飛猛進(jìn)的成果。鋁型材制造商迫切希望采用最新的AI技術(shù)來革新現(xiàn)有質(zhì)檢流程，自動(dòng)完成質(zhì)檢任務(wù)，減少漏檢發(fā)生率，提高產(chǎn)品的質(zhì)量，使鋁型材產(chǎn)品的生產(chǎn)管理者徹底擺脫了無法全面掌握產(chǎn)品表面質(zhì)量的狀態(tài)。大賽數(shù)據(jù)集里有1萬份來自實(shí)際生產(chǎn)中有瑕疵的鋁型材監(jiān)測(cè)影像數(shù)據(jù)，每個(gè)影像包含一個(gè)或多種瑕疵。供機(jī)器學(xué)習(xí)的樣圖會(huì)明確標(biāo)識(shí)影像中所包含的瑕疵類型。