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
计算机编程-吉哥5 小时前
深度学习:我用YOLO11-L做了一个水下垃圾检测系统 对比YOLOv8-L/Faster R-CNN【计算机毕业设计选题推荐】
人工智能·深度学习·yolo·课程设计·计算机毕业设计选题
AI棒棒牛6 小时前
YOLO26最新创新改进系列:融合 E3AD 认知注意力 Neck:具身认知增强的 FPN/PAN 特征选择机制,高效创新!
人工智能·yolo·计算机视觉·yolo26
hans汉斯8 小时前
数据挖掘|基于BP神经网络的少数民族村寨文化型旅游体验产品潜在游客挖掘
深度学习·神经网络·算法·yolo·软件工程·bp·汉斯出版社
JAI科研1 天前
YOLO 完全指南(七):YOLO识别工程化 (上)
人工智能·深度学习·神经网络·yolo·目标检测·计算机视觉·transformer
JarmanYuo1 天前
YOLO 涨点研究(十二):具身 CV 进阶篇——Sim2Real 域随机化与真机部署
人工智能·pytorch·python·yolo·计算机视觉
YOLO数据集集合1 天前
无人船视角水面目标检测数据集 |无人船 USV 水面目标检测 自主航行 避障 水域监测 目标检测9076期
深度学习·yolo·目标检测·无人机·无人机视角·无人船·自主航线
YOLO数据集集合1 天前
渔船船只检测数据集 | 船只检测 渔船识别 拖船检测 海事监管 目标检测 YOLO格式 深度学习数据集 计算机视觉9076期
人工智能·深度学习·yolo·目标检测·计算机视觉
AI吃大瓜2 天前
人脸检测和行人检测4:Android实现YOLOv8 YOLO11 YOLO26人脸检测和人体检测(含源码,可实时检测)
android·yolo·人脸检测·人体检测·行人检测·yolo26
飞猫的边缘AI2 天前
边缘AI-13:从YOLOv1到YOLO26:目标检测是怎么进化的
人工智能·yolo·目标检测·ai算法·边缘ai·yolo26
稷下元歌3 天前
工业视觉实战:从标注数据到格式转换到工业质检基础,yolo识别编
yolo