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
YOLO数据集集合15 小时前
Deepseek融合yolo的行人车辆多目标检测系统 |行人检测 车辆检测 多目标检测 YOLO DeepSeek9165期
人工智能·yolo·目标检测·计算机视觉·车辆检测·行人检测
YOLO数据集集合21 小时前
YOLO 目标检测模型与 DeepSeek/Qwen 大语言模型融合的跌倒检测系统 | 跌倒检测 YOLO DeepSeek Qwen 行为识别 目标检测
yolo·目标检测·语言模型
YOLO数据集集合1 天前
道路与桥梁灾后损伤检测数据集 | 道路损伤 桥梁损坏 灾后评估 无人机巡检 目标检测 YOLO格式 深度学习数据集 计算机视觉10551期
yolo·目标检测·计算机视觉·无人机·桥梁损害·灾后评估
答案是你2 天前
YOLOE 开放词汇检测 + ONNX / TensorRT 推理,开源了!
python·深度学习·yolo·目标检测·计算机视觉·视觉检测
Tingmanyi2 天前
YOLOv13改进策略【卷积层篇】| RFAConv 感受野注意力卷积,每个位置都值得被单独加权
深度学习·算法·yolo·目标检测·计算机视觉
AOI小白新手上路2 天前
AOI 缺陷检测复现实操指南:Anomalib + MVTec AD(glass)与 YOLOv8 + NEU-DET 两条路线
人工智能·深度学习·yolo
YOLO数据集集合3 天前
江西九江地区洪涝无人机高分辨率影像数据集 | 洪涝监测 语义分割 无人机遥感 淹没识别 灾害评估9157期
人工智能·yolo·目标检测·无人机·洪涝·洪水灾害
听风吹等浪起3 天前
第22章:YOLOv5船舶目标检测+注意力模块改进对比,卫星遥感船舶识别实战
人工智能·yolo·目标检测
hhzz3 天前
【YOLO 入门到精通 04】理解任务与模型家族:7 大 CV 任务与 YOLO26 选型指南
人工智能·python·深度学习·yolo·计算机视觉
YOLO数据集集合4 天前
无人机视角工程机械目标检测数据集 | 工程机械检测 无人机航拍 智慧工地9152期
人工智能·yolo·目标检测·计算机视觉·语言模型·无人机·工程车