纺织品表面质量检测是纺织工业自动化生产中的关键环节，精准高效的缺陷识别对控制次品率、提升品牌形象及降低人工成本具有重要意义。随着机器视觉技术的飞速发展，构建高质量的缺陷标注数据集已成为训练高精度检测模型的前提。本文将分享一份包含1300张图像的服装面料缺陷检测数据集，适用于各类工业视觉算法的研发与测试。
该数据集聚焦纺织面料生产中的常见瑕疵，精准覆盖 4 类典型缺陷： 破洞（Hole）、污点（Spot）、结头（Knot）、纱线（Yarn）。通过高分辨率工业线阵相机在高速生产流水线上实地采集，并经多轮人工筛选与标注校验，最终收录1300多张有效图像。数据涵盖不同颜色、纹理的面料背景，以及不同光照强度下的缺陷形态，场景多样性强，完全贴合真实的纺织工厂质检环境。
部分数据集展示如下：
数据集有四类标签，分别为 破洞（Hole）、污点（Spot）、结头（Knot）、纱线（Yarn）。
需要处理后的数据集可V🔍：笑脸惹桃花 获取。