金属表面缺陷检测常用数据集

　　1)钢材表面：NEU-CLS(可用于分类、定位任务)Rvi机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

　　由东北大学(NEU)发布的表面缺陷数据库，收集了热轧钢带的六种典型表面缺陷，即轧制氧化皮(RS)，斑块(Pa)，开裂(Cr)，点蚀表面( PS)，内含物(In)和划痕(Sc)。该数据库包括1,800个灰度图像：六种不同类型的典型表面缺陷，每一类缺陷包含300个样本。对于缺陷检测任务，数据集提供了注释，指示每个图像中缺陷的类别和位置。对于每个缺陷，黄色框是指示其位置的边框，绿色标签是类别分数。Rvi机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

Rvi机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

　　2)天池铝型材表面瑕疵数据集(竞赛)Rvi机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

　　数据集介绍：在铝型材的实际生产过程中，由于各方面因素的影响，铝型材表面会产生裂纹、起皮、划伤等瑕疵，这些瑕疵会严重影响铝型材的质量。为保证产品质量，需要人工进行肉眼目测。然而，铝型材的表面自身会含有纹路，与瑕疵的区分度不高。传统人工肉眼检查十分费力，不能及时准确的判断出表面瑕疵，质检的效率难以把控。近年来，深度学习在图像识别等领域取得了突飞猛进的成果。铝型材制造商迫切希望采用最新的AI技术来革新现有质检流程，自动完成质检任务，减少漏检发生率，提高产品的质量，使铝型材产品的生产管理者彻底摆脱了无法全面掌握产品表面质量的状态。大赛数据集里有1万份来自实际生产中有瑕疵的铝型材监测影像数据，每个影像包含一个或多种瑕疵。供机器学习的样图会明确标识影像中所包含的瑕疵类型。Rvi机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_

Rvi机器视觉检测设备_CCD视觉检测_外观缺陷检测系统_