himanshu1257/industrial-defect-dataset

--- license: mit task_categories: - image-classification tags: - synthetic - computer-vision - manufacturing - defect-detection - stable-diffusion - sdxl size_categories: - 1K<n<10K --- # Synthetic Industrial Material Defect Dataset (10k) ## Dataset Summary This dataset contains **5,000 highly detailed, synthetically generated images** of various industrial materials exhibiting different types of surface defects. It is designed to be used for training machine learning models in computer vision, specifically for quality control, manufacturing defect detection, and surface anomaly recognition. All images were generated using **Stable Diffusion XL (SDXL)** to simulate macro photography under industrial lighting conditions, providing a diverse, noise-free, and highly controlled environment for ML training. ## Dataset Structure The dataset follows a standard `ImageFolder` structure with an accompanying `metadata.csv` file, making it immediately ready for libraries like `datasets`, PyTorch, and TensorFlow. ### Classes (Defect Types) The dataset is perfectly balanced across 5 primary categories (1,000 images per category): 1. `normal`: Perfect, flawless, pristine condition. 2. `scratch`: Deep scratches, surface gouges. 3. `crack`: Hairline cracks, fractured surfaces. 4. `stain`: Oil spills, dark stains, discoloration. 5. `dent`: Impact dents, warped surfaces. ### Material Types To allow for multi-label classification or material-specific fine-tuning, each defect category contains images spanning 5 distinct material types (200 images per material/defect combination): * Brushed Metal * Ceramic Tile * Industrial Fabric * Concrete * Polished Wood ## Data Fields The included `metadata.csv` contains the following fields to assist with advanced filtering: * **`file_name`**: The relative path to the image (e.g., `crack/brushed_metal_20260401_0.png`). * **`label`**: The type of defect (Target variable for classification). * **`material`**: The specific material featured in the image. ## Generation Details The dataset was programmatically generated using `diffusers` and the SDXL pipeline. * **Base Prompting:** "Macro photography of [Material] surface, [Defect Description], highly detailed, 8k resolution, close up industrial lighting" * **Negative Prompting:** "blurry, out of focus, distorted, cartoon, 3d render, watermark" * **Inference Steps:** 20 ## Intended Uses * **Image Classification:** Training CNNs (ResNet, EfficientNet) or Vision Transformers (ViT) to categorize material states. * **Anomaly Detection:** Using the `normal` class to train autoencoders or one-class SVMs to detect out-of-distribution anomalous regions. * **Synthetic Data Research:** Evaluating the efficacy of SDXL-generated data transferred to real-world industrial computer vision tasks.--- 许可证：MIT许可证 任务类别： - 图像分类（Image Classification） 标签： - 合成数据（Synthetic） - 计算机视觉（Computer Vision） - 制造领域（Manufacturing） - 缺陷检测（Defect Detection） - Stable Diffusion - SDXL 样本规模：1K<n<10K --- # 合成工业材料缺陷数据集（10k） ## 数据集摘要 本数据集包含5000张细节丰富的合成生成图像，涵盖呈现各类表面缺陷的多种工业材料，旨在用于计算机视觉领域的机器学习模型训练，具体应用场景包括质量管控、制造缺陷检测与表面异常识别。 所有图像均通过**Stable Diffusion XL（SDXL）**生成，用于模拟工业光照条件下的微距摄影效果，可为机器学习训练提供多样化、无噪声且高度可控的环境。 ## 数据集结构 本数据集采用标准`ImageFolder`格式，并附带`metadata.csv`元数据文件，可直接适配`datasets`、PyTorch与TensorFlow等机器学习库。 ### 类别（缺陷类型） 本数据集在5个主要类别间实现完美平衡，每类包含1000张图像： 1. `normal`（正常）：无瑕疵、完好如初的状态。 2. `scratch`（划痕）：深度划痕、表面凿伤。 3. `crack`（裂纹）：发丝状裂纹、断裂表面。 4. `stain`（污渍）：油污溢出、深色污渍、变色情况。 5. `dent`（凹痕）：撞击凹痕、变形表面。 ### 材料类型 为支持多标签分类或针对特定材料的微调，每个缺陷类别均涵盖5种不同的材料类型，每种材料/缺陷组合对应200张图像： * 拉丝金属（Brushed Metal） * 陶瓷砖（Ceramic Tile） * 工业织物（Industrial Fabric） * 混凝土（Concrete） * 抛光木材（Polished Wood） ## 数据字段 附带的`metadata.csv`包含以下字段，可辅助高级筛选操作： * **`file_name`**：图像的相对路径（例如`crack/brushed_metal_20260401_0.png`）。 * **`label`**：缺陷类型，即分类任务的目标变量。 * **`material`**：图像中呈现的具体材料类型。 ## 生成细节 本数据集通过`diffusers`库与SDXL管线程序化生成： * **正向提示词**："[材料]表面的微距摄影，[缺陷描述]，细节丰富，8K分辨率，工业照明下的特写镜头" * **负向提示词**："模糊、失焦、变形、卡通风格、3D渲染、水印" * **推理步数**：20 ## 预期用途 * **图像分类（Image Classification）**：训练卷积神经网络（CNN，如ResNet、EfficientNet）或视觉Transformer（ViT）以对材料状态进行分类。 * **异常检测（Anomaly Detection）**：利用`normal`类别训练自编码器或一类支持向量机（One-Class SVM），以检测分布外的异常区域。 * **合成数据研究**：评估SDXL生成的数据迁移至真实工业计算机视觉任务中的有效性。