PCB-AOI
收藏资源简介：
PCB-AOI 是一个面向印制电路板（PCB）自动光学检测（AOI）的目标检测数据集。该数据集包含经过标注的 PCB 图像，旨在用于训练和评估能够检测 PCB 上缺陷、元件或硬件约束违规的模型。数据集采用 YOLO 格式组织，分为训练集（train）、验证集（valid）和测试集（test），每个子集包含 images 和 labels 文件夹，以及一个定义类别和路径的 data.yaml 配置文件。注释遵循标准 YOLO 格式，每个对象一行，包含归一化的边界框中心坐标和宽高。该数据集适用于训练 PCB 缺陷/元件检测模型、基准测试自动光学检测流程以及研究 PCB 检测模型的边缘部署。需要注意的是，数据集的性能依赖于实际部署条件中的光照、相机角度和 PCB 类型一致性，类别不平衡可能影响模型对少数缺陷类型的表现，且注释质量未经过独立验证。数据集采用 MIT 许可协议发布。
PCB-AOI is an object detection dataset for automatic optical inspection (AOI) of printed circuit boards (PCBs). The dataset contains annotated PCB images intended for training and evaluating models capable of detecting defects, components, or hardware constraint violations on PCBs. The dataset is organized in YOLO format, divided into training (train), validation (valid), and test (test) sets, each containing images and labels folders, along with a data.yaml configuration file defining classes and paths. Annotations follow the standard YOLO format, with each object on a separate line, including normalized bounding box center coordinates and width/height. The dataset is suitable for training PCB defect/component detection models, benchmarking automatic optical inspection workflows, and researching edge deployment of PCB detection models. It should be noted that the datasets performance depends on the consistency of lighting, camera angle, and PCB type in actual deployment conditions; class imbalance may affect model performance on minority defect types, and annotation quality has not been independently verified. The dataset is released under the MIT license.
PCB-AOI 数据集概述
PCB-AOI 是一个用于印刷电路板（PCB）自动光学检测（AOI）的目标检测数据集，旨在训练和评估模型以检测PCB上的缺陷、组件或硬件约束违规情况。
数据集结构
数据集采用 YOLO格式 组织，并划分为训练集、验证集和测试集：
PCB-AOI/ ├── train/ │ ├── images/ │ └── labels/ ├── valid/ │ ├── images/ │ └── labels/ ├── test/ │ ├── images/ │ └── labels/ ├── data.yaml └── README.md
- images/：包含PCB图像。
- labels/：包含YOLO格式的
.txt标注文件，每张图像对应一个文件，内含归一化的边界框坐标和类别索引。 - data.yaml：提供数据集配置（训练/验证/测试路径、类别数
nc和类别名称names），用于YOLO训练框架。
数据划分
| 划分 | 描述 |
|---|---|
| train | 训练用图像和标注 |
| valid | 验证用图像和标注 |
| test | 测试用图像和标注 |
标注格式
遵循标准 YOLO格式，每个标注文件每行表示一个目标：
<class_id> <x_center> <y_center> <width> <height>
- 所有坐标均相对于图像宽度和高度归一化（取值范围0~1）。
- 具体类别内容需根据实际
data.yaml中的nc和names字段确定。
使用方式
- 通过Ultralytics YOLO加载：可使用
data.yaml路径直接训练模型（示例代码见原文档）。 - 通过Hugging Face下载：使用
snapshot_download即可获取完整数据集。
预期用途
- 训练PCB缺陷/组件检测的目标检测模型。
- 基准测试AOI（自动光学检测）流程。
- 研究PCB检测模型在边缘设备上的部署（参考配套模型仓库：PCB-AOI-Hardware-Constraint）。
局限性
- 泛化性能受光照条件、摄像头角度及PCB类型与真实部署场景的匹配度影响。
- 各划分间可能存在类别不平衡，影响对少数缺陷类型的检测效果。
- 标注质量未经独立验证，仅依赖源标注过程。
许可证与作者
- 许可证：MIT许可证。
- 作者：Kshitij Hedau（Hugging Face用户名：
kshitij1507）。 - 引用：若使用该数据集，请按文档中给出的格式引用作者及数据集。
