智慧工业玻璃瓶容器缺陷检测数据集VOC+YOLO格式2149张28类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

图片数量(jpg文件个数):2149

标注数量(xml文件个数):2149

标注数量(txt文件个数):2149

标注类别数:28

所在github仓库:firc-dataset

标注类别名称(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准):["adhered_glass_particle","baffle_mark","belt_mark","black_dot","body_scratch","bottom_baffle_chipping","bottom_crack","bottom_scratch","broken_finish","brush_mark_neck","brush_mark_shoulder","bubble_body","bubble_neck","bubble_shoulder","cat_scratch_body","finish_crack","lap_mark_body","loading_mark","mismatched_neck_ring_seam","mold_seam","neck_crack","scratch","shoulder_crack","split_finish","stuck_mark_body","swabbing_carbon","tear_mark","unfilled_finish"]

每个类别标注的框数:

adhered_glass_particle(附着玻璃颗粒)框数 = 30,占有图片数 = 30

baffle_mark(挡板印记)框数 = 266,占有图片数 = 266

belt_mark(皮带印记)框数 = 12,占有图片数 = 12

black_dot(黑点)框数 = 72,占有图片数 = 72

body_scratch(瓶身划痕)框数 = 5,占有图片数 = 5

bottom_baffle_chipping(底部挡板崩缺)框数 = 116,占有图片数 = 116

bottom_crack(底部裂纹)框数 = 10,占有图片数 = 10

bottom_scratch(底部划痕)框数 = 34,占有图片数 = 33

broken_finish(瓶口破损)框数 = 61,占有图片数 = 61

brush_mark_neck(颈部刷痕)框数 = 41,占有图片数 = 41

brush_mark_shoulder(肩部刷痕)框数 = 37,占有图片数 = 37

bubble_body(瓶身气泡)框数 = 190,占有图片数 = 133

bubble_neck(颈部气泡)框数 = 3,占有图片数 = 3

bubble_shoulder(肩部气泡)框数 = 31,占有图片数 = 31

cat_scratch_body(瓶身划伤)框数 = 177,占有图片数 = 164

finish_crack(瓶口裂纹)框数 = 16,占有图片数 = 16

lap_mark_body(瓶身搭接痕)框数 = 133,占有图片数 = 133

loading_mark(加载痕)框数 = 411,占有图片数 = 411

mismatched_neck_ring_seam(颈部环缝错位)框数 = 9,占有图片数 = 9

mold_seam(合模线)框数 = 50,占有图片数 = 50

neck_crack(颈部裂纹)框数 = 108,占有图片数 = 108

scratch(划痕)框数 = 14,占有图片数 = 14

shoulder_crack(肩部裂纹)框数 = 10,占有图片数 = 10

split_finish(瓶口开裂)框数 = 14,占有图片数 = 14

stuck_mark_body(瓶身粘痕)框数 = 64,占有图片数 = 58

swabbing_carbon(擦拭碳痕)框数 = 323,占有图片数 = 323

tear_mark(撕裂痕)框数 = 26,占有图片数 = 26

unfilled_finish(瓶口未充满)框数 = 15,占有图片数 = 15

总框数:2278

图片分辨率:640x640

使用标注工具:labelImg

标注规则:对类别进行画矩形框

重要说明:数据集没有划分训练验证测试集需自行划分

特别声明:本数据集不对训练的模型或者权重文件精度作任何保证

图片预览:

标注例子:

相关推荐
_假正经4 小时前
YOLOV8/11分割与分类输出参数说明
人工智能·yolo·分类
JicasdC123asd21 小时前
CGNet上下文引导网络改进YOLOv26下采样特征保留能力
网络·yolo
Coovally AI模型快速验证1 天前
检测+跟踪一体化!4.39M参数、8.3W功耗,轻量化模型让无人机在露天矿实时巡检
算法·yolo·无人机·智能巡检·智慧矿山
hans汉斯2 天前
基于污点分析的PHP应用威胁检测平台
开发语言·人工智能·算法·yolo·目标检测·php·无人机
智算菩萨2 天前
OpenCV+Python3.13图像读写实战:从文件加载到内存操作的全流程详解(附源码)
开发语言·图像处理·python·opencv·yolo
又是忙碌的一天2 天前
从像素到形状:我用 OpenCV + YOLO 实现的单一特征识别实践
人工智能·opencv·yolo
jay神2 天前
基于 YOLOv8 的交通违规检测系统
人工智能·算法·yolo·目标检测·计算机视觉
动物园猫2 天前
厨房食品卫生与安全检测14类数据集分享(适用于YOLO系列深度学习分类检测任务)
深度学习·安全·yolo
Unknown To Known3 天前
基于DyHead和YOLOv11的错题自动切分系统
yolo