基于机器视觉的产品质量检测数据

本数据适用于纺织行业筒子纱生产、换纱、辩纱及仓储分拣等机器视觉识别场景，主要应用于筒子纱颜色与筒子图案的自动识别、不同批次混入筒纱的筛查、换纱机器人接纱结果判定、产线质量追溯与异常预警等环节。数据面向纺织生产企业、智能换纱设备厂商、机器视觉算法团队及智能制造系统服务商使用，可解决人工目检效率低、批次混纱漏检、颜色与图案组合难以稳定区分、现场采集数据难以沉淀复用等痛点，支撑筒子纱品种识别模型训练、在线检测系统验证、设备联动控制与生产过程质量管理。1.数据来源：企业产线及实验环境采集的筒子纱图像，以及配套的 YOLO 格式标注文件（包含目标类别、位置框等信息）。 2.数据预处理：校验图像文件与标注文件的一一对应关系，确保数据完整性。 从标注集中提取识别内容（如颜色、图案）、目标框位置等字段。 3.核心算法模型：采用 YOLO11 目标检测模型进行训练与推理。模型输入尺寸为 640×640 像素，训练 296 轮。 最终输出的结构化记录包含：识别内容提取、检测置信度、检测目标数、结果判定、异常预警、基础标签类别等字段。 上述字段由模型推理结果、基础标签和业务判定规则共同生成。识别内容提取由 YOLO11 模型对图像进行目标检测后输出模型类别，再映射为中文筒子纱颜色与图案组合；检测目标数由当前图像中模型输出的检测框数量统计得到；检测置信度取当前图像最高置信度目标框的模型置信分数，并保留 4 位小数。 结果判定方面，当检测目标数为 1，且模型识别内容与基础标签类别或目标批次品类一致时，判定为“检测通过”；当未识别到目标、识别到多个目标、基础标签异常或模型识别类别与基础标签不一致时，判定为“需复核”或“异常预警”。 异常预警字段用于记录具体触发原因：漏检时提示模型未识别到目标，多目标时提示目标数量异常，类别不一致时提示模型识别结果与基础标签或目标批次品类不一致；未触发异常时记录为“无预警”。该规则使每条记录可追溯到图片、模型输出和业务判定依据。 4.最终验证精度 Precision 为 99.85%，Recall 为 100%，mAP50 为 99.5%，mAP50-95 为 98.10%。最终形成可追溯、可复用的产品质量检测结构化数据集，可直接用于质量检测、混批筛查、异常预警和产线视觉检测系统迭代。

搜集汇总

背景与挑战

背景概述

该数据集为基于机器视觉的纺织行业筒子纱产品质量检测数据，包含产线采集的图像及YOLO格式标注，用于筒子纱颜色与图案识别、混纱筛查、换纱机器人结果判定及质量追溯。通过YOLO11模型训练，输出结构化检测记录，支持质量检测与异常预警，最终验证精度达99.85%，可服务于生产企业及智能设备厂商。