裂缝缺陷专利成果运营数据库标注数据

本数据是评估若干专利进行专利运营时的内部测试数据脱敏后的目标检测数据集。数据包含多个生产和质检环节的图像，包括金属、复合材料等多种材料的表面。数据集包含了不同光照条件、表面纹理和颜色下的图像，可用于工业自动化检测、质量控制相关的目标检测模型训练。利用训练好的目标检测模型对生产线上的产品进行实时监控，快速识别并标记出金属、复合材料等表面的缺陷，从而及时采取措施，减少次品率，提高生产效率和产品质量。可以实现多种材料表面常见缺陷的高效识别，对工业自动化检测和质量控制具有重要意义。本数据是评估若干专利进行专利运营时的内部测试数据，图片工业生产线和质检环节的图像切片，包含了金属、复合材料等多种材料表面的图像。对图像预处理，保留原始分辨率，以保留材料表面的原有特征。采用随机旋转-随机缩放-随机亮度调整-随机对比度调整-随机噪声添加对图像进行增强。为提高模型对细微缺陷的识别能力，引入局部对比度增强算法：首先对原始图像应用高斯模糊，然后将原图像与模糊后的图像做差，得到局部细节图。最后，将这个局部细节图与原图像进行融合，融合程度由增强系数（本数据集中为0.5）控制，有效突出局部细节，有助于模型识别微小的裂缝和划痕。标注过程中使用LabelImg，每张图片只由一种缺陷，只打一个标签。数据标注采用CSV格式，filename为图像名，crack为裂缝，dent为凹痕，missing-head为缺头，paint-off为脱漆，scratch为划痕。缺陷存在标记为1，不存在标记为0。标注时只关注主要缺陷，忽略次要或不明显的问题。如果图里有多个缺陷，按最严重的标。

搜集汇总

数据集介绍

特点

该数据集包含606条工业生产线和质检环节的图像切片，用于工业自动化检测和质量控制。数据标注采用CSV格式，标注了裂缝、凹痕、缺头、脱漆和划痕等缺陷，标注规则严格，每张图片只标注一种主要缺陷。