带标注的螺丝、螺栓、垫圈缺陷识别数据集，包含缺陷里包含生锈和划痕，1291张图，支持yolo，coco json，voc xml,文末有模型训练代码。

数据集拆分

总图数：1291 张图数
训练集

1143 张图

验证集

106 张图

测试集

42 张图

预处理

自动定向：应用

调整大小：拉伸到640x640

增强

每个训练样本生成 3 组扩增数据

翻转方式：水平翻转、垂直翻转

90° 旋转：顺时针旋转、逆时针旋转

随机旋转：角度范围 -15° ~ +15°

数据集标签：

'objdetection', 'ScrewDefect', 'ScrewGood', 'BoltDefect', 'BoltGood', 'WasherDefect', 'WasherGood'

标签解释

ScrewDefect → 螺丝缺陷

ScrewGood → 合格螺丝 / 完好螺丝

BoltDefect → 螺栓缺陷

BoltGood → 合格螺栓 / 完好螺栓

WasherDefect → 垫圈缺陷

WasherGood → 合格垫圈 / 完好垫圈

数据集图片和标注信息示例：

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92894108

yolo v12:https://download.csdn.net/download/pbymw8iwm/92894107

yolo v11:https://download.csdn.net/download/pbymw8iwm/92894106

yolo v9:https://download.csdn.net/download/pbymw8iwm/92894101

yolo v8:https://download.csdn.net/download/pbymw8iwm/92894103

yolo v7:https://download.csdn.net/download/pbymw8iwm/92894104

coco json:https://download.csdn.net/download/pbymw8iwm/92894102

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92894105

YOLO模型训练

下载数据集之后解压到当前文件夹，然后将我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py

模型验证测试情况：

验证测试代码：

python 复制代码

#需要安装pip install ultralytics
from ultralytics import YOLO
import cv2
 
# 加载训练好的 YOLO .pt 模型
model = YOLO('best.pt')  # 替换为你实际的 .pt 模型文件路径
 
# 定义要测试的图片路径
image_path = './image.jpg'  # 替换为你实际的图片文件路径
 
# 使用模型对图片进行预测
results = model(image_path)
 
# 获取预测结果
for result in results:
    # 获取绘制了检测框的图片
    annotated_image = result.plot()
 
    # 显示图片
    cv2.imshow("YOLOv Inference", annotated_image)
 
    # 等待按键退出
    cv2.waitKey(0)
 
    # 关闭所有 OpenCV 窗口
    cv2.destroyAllWindows()