缺陷检测数据集的汇总及编程实现

最新推荐文章于 2025-10-21 11:03:56 发布
最新推荐文章于 2025-10-21 11:03:56 发布
阅读量811 收藏 1
点赞数
CC 4.0 BY-SA版权
文章标签： 编程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/CoderExtra/article/details/132877254
编程 专栏收录该内容
415 篇文章 ¥29.90 ¥99.00
订阅专栏
本文汇总了缺陷检测领域的常用数据集，包括MVTec AD、CEDAR和Defects4j，提供了相关编程示例，助力研究人员和开发者评估与改进缺陷检测算法。

缺陷检测数据集的汇总及编程实现

缺陷检测是计算机视觉领域中的重要任务之一，它旨在自动识别图像或视频中的缺陷或异常区域。为了训练和评估缺陷检测算法的性能，研究人员和开发者通常需要使用大量的缺陷检测数据集。本文将汇总一些常用的缺陷检测数据集，并提供相关的编程示例。

  1. MVTec AD 数据集
    MVTec AD 数据集是一个广泛应用于工业缺陷检测的数据集，包含了多个物体类别和各种类型的缺陷。该数据集提供了高分辨率的图像和像素级标注，可用于训练和测试缺陷检测模型。
import cv2
import numpy as np

def load_mvtec_ad_dataset():
    # 加载图像和标注
    images = [
了解本专栏 订阅专栏 解锁全文
基于 YOLOv10 和 MVTec AD 数据集的工业检测：深度学习在工业缺陷检测中的应用
YOLO
04-01 757
YOLOv10 在前一版本的基础上进行了优化，具有更高的精度、更快的推理速度和更强的多尺度检测能力，尤其适用于工业检测这种对速度和精度有较高要求的任务。每个图像的标注提供了缺陷的位置和类型。通过对数据进行预处理和增强，并结合 YOLOv10 模型进行训练，成功地应用于工业产品的缺陷检测。，实现工业缺陷检测。通过训练 YOLOv10，我们将能够高效地检测工业生产中的异常和缺陷，并提供一个简洁直观的 UI 界面进行展示。该数据集的特点是具有高质量的标注和真实的工业环境，适用于训练深度学习模型进行缺陷检测。
表面缺陷检测数据集的汇总及相关论文集收集 - 在Github上开源的计算机视觉资源
LgvrApplescript的博客
09-17 1066
本文将介绍一些常用的表面缺陷检测数据集，并提供在Github上开源的计算机视觉资源。每个缺陷类型都有大量的图像样本，包括不同的光照条件和缺陷位置。本文介绍了一些常用的表面缺陷检测数据集，并提供了在Github上开源的计算机视觉资源。通过使用这些数据集和参考相关论文集，可以进一步推动表面缺陷检测技术的发展和应用。这个方法可以用于表面缺陷检测中的异常检测任务。该论文提出了一种基于深度学习的方法，用于扫描电子显微镜（SEM）图像中的缺陷检测。可以使用该项目进行表面缺陷检测中的异常检测任务。
CVPR2019 无监督异常检测/定位数据集：MVTec AD
要相信光
12-05 2万+
《MVTec AD：A Comprehensive Real-World Dataset for Unsupervised Anomaly Detection》 简介 MVTec AD是MVtec公司提出的一个用于异常检测的数据集，发布于2019CVPR。与之前的异常检测数据集不同，该数据集模仿了工业实际生产场景，并且主要用于unsupervised anomaly detection。数据集为异常区域都提供了像素级标注，是一个全面的、包含多种物体、多种异常的数据集。 训练集中只包含正常样本，测试集中包.
工业产品表面缺陷检测数据集VOC+YOLO格式1484张4类别
最新发布
FL1623863129的博客
10-21 477
标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["beyaz","cizik","delik","line"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)图片数量(jpg文件个数)：1484。标注数量(xml文件个数)：1484。标注数量(txt文件个数)：1484。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
MVTEC 3D dataset
weixin_42322991的博客
06-30 4735
MVTec 3D异常检测数据集(MVTec 3D- ad)是一个用于无监督异常检测和定位任务的综合3D数据集。它包含由工业3D传感器获得的4000多个高分辨率扫描。10个不同的对象类别中的每一个都包含一组无缺陷的训练和验证样本，以及一组具有各种缺陷的样本。为每个异常测试样本提供了精确的ground truth注释。更多信息可以在我们相应的论文“MVTec 3D- ad数据集用于无监督3D异常检测和定位”中找到。
表面缺陷检测数据集汇总及其相关项目推荐 | Github开源
迈微AI研习社 · 号主
09-27 1万+
全网目前最全的表面缺陷检测数据集整合，包含项目GitHub Repo
缺陷检测数据集
11-15
缺陷检测数据集，用于训练缺陷检测神经网络。从https://github.com/sundyCoder/DEye下载
芯片表面缺陷检测数据集资源汇总
公开、标准且多样化的缺陷数据集稀缺一直是制约该领域发展的瓶颈之一。因此，此数据集的发布填补了特定应用场景下的数据空白，尤其适用于学术研究机构、高校实验室以及工业界的技术团队开展相关课题攻关。 更为关键...
缺陷检测算法汇总（传统+深度学习方式）|综述、源码
3D视觉工坊
12-05 2764
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨Tom Hardy@知乎来源丨https://zhuanlan.zhihu.com/p/305087419编辑丨3D视觉工坊文...
电商APP退款流程AI测试：利用Applitools与TestGPT实现高效视觉缺陷检测
qinzhenyan的博客
09-08 1210
摘要：本文探讨AI驱动的视觉缺陷检测在电商APP退款流程中的应用，结合Applitools和TestGPT实现全自动化测试。研究显示，传统手动测试效率低下，而AI方案能提升缺陷发现率50%，缩短检测时间70%。文章分三部分：1）Applitools设置退款页面视觉对比规则，通过区域选择和容忍度优化提高检测精度；2）TestGPT生成多机型适配测试用例，提供Prompt示例和JSON输出模板；3）AI聚类分析缺陷数据并自动生成结构化报告。
印刷质量缺陷的视觉检测原理概述
3D视觉工坊
09-13 1901
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达本文转载自「计算机视觉工坊」，该公众号重点在于介绍深度学习、智能驾驶等领域，一个小众的公众号。一、应用背景印刷品作为产品包装的一种...
瑕疵检测数据集
01-05
缺陷检测/瑕疵检测数据集。包含瑕疵图片的训练集和验证集。
目标检测-数据集-PCB缺陷识别
03-16
PCB缺陷数据，实际产线收集，数据宝贵，已经分类。
NEU表面缺陷检测数据集大全
11-09
NEU数据集大全，包含了原始数据集，扩展的64*64大小的分类数据集，缺陷定位（带有label）的数据集
电力设备缺陷检测数据集2.zip
07-21
电力设备缺陷检测数据集 一、基础信息 • 数据集名称：电力设备缺陷检测数据集 • 图片数量： 训练集：1100张图片 验证集：312张图片 测试集：160张图片 总计：1572张实际场景图片 • 训练集：1100张图片 • 验证集：312张图片 • 测试集：160张图片 • 总计：1572张实际场景图片 • 分类类别：26个电力设备状态类别（涵盖绝缘子破损、电缆损伤、设备老化等多种缺陷类型） • 标注格式：YOLO格式，支持目标检测和实例分割任务 • 数据特性：真实电力场景采集，包含复杂环境下的设备状态变化 二、适用场景 1. 电力设备智能巡检系统开发： 支持构建自动识别电力设备缺陷的AI模型，应用于输电线路、变电站等场景的智能巡检。 1. 设备安全预警平台建设： 集成至电力监控系统，实时检测设备异常状态，预防电力事故。 1. 设备维护决策支持： 提供缺陷定位和分类能力，辅助制定精准的设备维护计划。 1. 电力行业AI研究： 支持计算机视觉在电力设备状态监测领域的算法创新和应用研究。 三、数据集优势 • 缺陷覆盖全面： 包含26类电力设备常见缺陷状态，涵盖绝缘子破损、电缆损伤等关键故障类型。 • 标注专业精准： 采用YOLO格式精细标注，每个缺陷区域都有精确的定位标识。 • 场景真实多样： 数据采集自实际电力环境，包含不同光照、角度和复杂背景场景。 • 任务适配性强： 同时支持目标检测和实例分割任务，兼容主流深度学习框架。
表面缺陷检测数据集汇总及其相关项目推荐
AI算法修炼营的博客
06-19 7643
点击上方“AI算法修炼营”，选择“星标”公众号精选作品，第一时间送达最近，有许多朋友都在关注缺陷检测领域，今天来看看缺陷检测。目前, 基于机器视觉的表面 缺陷装备已经在各工业领域广泛替代...
【表面缺陷检测】表面缺陷检测数据集汇总
学无止境、积少成多、厚积薄发
08-12 2万+
本文收集整理了16个表面缺陷检测相关的数据集，并对每个数据集的特点进行了简单的介绍。（文末附数据集）
【表面缺陷检测】常用开源表面缺陷检测数据集 整理
热门推荐
__阿健__的博客
09-12 3万+
数据集是深度学习研究的基础，开源数据集为各种论文方法提供了 比较的基准。 不同于经典计算机视觉任务中的 ImageNet、PASCAL VOC2007/2012 和 COCO 等数据集，表面缺陷检测并没有一个统一的，大规模的数据集，不同的缺陷检测数据集，在 样本数量，正负样本比例，复杂度 等方面都有很大的不同。 不同的缺陷数据集往往适用于不同的方法。 不同的检测设定下的研究往往基于不同的缺陷数据集。 这里对一些常用的表面缺陷检测数据集进行了整理汇总。
缺陷检测公开数据集大全
bigData1994pb的博客
12-30 2万+
一、弱监督学习下的工业光学检测（DAGM 2007） 数据下载链接：https://hci.iwr.uni-heidelberg.de/node/3616 数据集简介： 主要针对纹理背景上的杂项缺陷。 较弱监督的训练数据。 包含十个数据集，前六个为训练数据集，后四个为测试数据集。 每个数据集均包含以灰度8位PNG格式保存的1000个“无缺陷”图像和150个“有缺陷”图像。每个数据集由不同的纹理模型和缺陷模型生成。 “无缺陷”图像显示的背景纹理没有缺陷，...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值