基于证据深度学习的可信缺陷检测数据集

本数据集针对航空发动机叶片表面缺陷检测中置信度低、误检率高等行业难题，旨在通过证据深度学习技术提升缺陷检测的可信度与可解释性。数据资源由湖南省株洲市中国航发南方工业有限公司实地采集并由资深质检员工完成辅助标注，主要内容涵盖了1313张500万像素的高清训练图像及其对应的6类典型缺陷（划伤、裂纹、碰伤、孔洞、划痕、烧蚀）标注文件、400张高清无缺陷图像，以及基于PyTorch框架开发的证据深度学习可信网络模型代码和包含500张图像的误检检出测试数据集。

搜集汇总

背景与挑战

背景概述

该数据集旨在解决航空发动机叶片表面缺陷检测中的置信度低和误检率高问题，通过证据深度学习技术提升检测的可信度与可解释性。它包含由实地采集的高清图像、六类典型缺陷的标注文件、无缺陷图像，以及相关的模型代码和测试数据集。