工业场景这些数据集，你值得拥有！-FlyAI

工业场景这些数据集，你值得拥有！

Python3

最后更新 2021-07-13 10:30 阅读 7758

最后更新 2021-07-13 10:30

阅读 7758

Python3

![](https://pic2.zhimg.com/v2-20f7ecf9b858adff617c7b06210d95fa_r.jpg)

平台的[数据集版块](https://www.jiangdabai.com/downloads "数据集版块")，共有165个不同类别，不同应用的数据集。

本周在此基础上，又上新10种工业场景相关的数据集，目前总共有172种。

**第一部分：3D检测**

（1）MVTec ITODD数据集

数据集图片：

![](https://pic1.zhimg.com/80/v2-f8bd3ec0613d881c9d0883291e898ff8_1440w.jpg)

![](https://pic2.zhimg.com/80/v2-faee926cb37b69177ab2bfd6d31461b9_1440w.jpg)

数据集内容： MVTec ITODD是用于3D对象检测和姿态估计的数据集，重点关注工业设置和应用。

对于每个对象，只有一个实例的场景和有多个实例的场景（例如，模拟箱拣选）可用。每个场景使用每个3D传感器采集一次，每个灰度相机采集两次：一次带有随机投影图案，一次没有随机投影图案。

该数据集为工业场景中3D对象的检测和姿态估计提供了很好的基准。

数据集数量：MVTec ITODD数据集包含布置在800多个场景中的28个对象，并以其严格的3D变换标记为地面实况。场景由两个工业3D传感器和三个灰度相机进行观察，从而可以评估适用于3D，图像或组合形式的方法。

数据集功能：3D检测

下载链接：[点击查看](https://www.jiangdabai.com/download/mvtec-itodd%e6%95%b0%e6%8d%ae%e9%9b%86 "点击查看")

**（2）T-LESS数据集**

数据集图片：

![](https://pic1.zhimg.com/80/v2-ce40897e036fcde8bdf5d14c0b091c04_1440w.jpg)

![](https://pic4.zhimg.com/80/v2-8f0b8c8e704644f0e426c7e31ea3bb7b_1440w.jpg)

数据集内容：T-LESS数据集用于估计无纹理的刚性物体的6D姿势，即平移和旋转。该数据集包含30个与行业相关的对象，这些对象没有明显的纹理并且没有可辨别的颜色或反射率属性。该数据集的另一个独特属性是某些对象是其他对象的一部分。

T-LESS背后的研究人员已经选择了不同的方法来训练图像和测试图像。因此，该数据集中的训练图像在黑色背景下描绘了单个对象，而测试图像则来自二十个场景，且复杂程度不同。

本数据集的优势在于：

（1）大量跟工业相关的目标；

（2）训练集都是在可控的环境下抓取的；

（3）测试集有大量变换的视角；

（4）图片是由同步和校准的sensor抓取的；

（5）准确的6D pose标签；

（6）每个目标有两种3D模型；

数据集数量：数据集由三个同步的传感器获得，一个结构光传感器，一个RGBD sensor，一个高分辨率RGBsensor。

从每个传感器分别获得了3.9w训练集和1w测试集，此外为每个目标创建了2个3D model，一个是CAD手工制作的，另一个是半自动重建的。

训练集图片的背景大多是黑色的，而测试集的图片背景很多变，会包含不同光照、遮挡等等变换。

数据集功能：6D对象姿态估计、2D目标检测、图像分割、3D对象重建

下载链接：[点击查看](https://www.jiangdabai.com/download/t-less%e6%95%b0%e6%8d%ae%e9%9b%86 "点击查看")

**第二部分：缺陷检测**

（1）DeepPCB数据集

数据集图片：
![](https://pic2.zhimg.com/80/v2-df07f1646f7f2624f06b3eaa89a9a841_1440w.jpg)

数据集内容：DeepPCB数据集是一个共有PCB缺陷数据集，共包含1500组图像，每组图像，均包含无缺陷的模板图像和对齐的测试图像，并带有注释。

其中包括6种最常见的PCB缺陷类型的位置：开口，短路，咬伤，杂散，针孔和伪铜。

所有图像均来自线性扫描CCD，分辨率约为1毫米=48像素。

模板和测试图像的大小，约为16k x 16k像素，然后将它们裁剪为很多大小为640 x 640的子图像，并通过模板匹配技术进行对齐。

数据集数量：DeepPCB数据集包含1500个图像组

数据集功能：缺陷检测

下载链接：[点击查看](https://www.jiangdabai.com/download/deeppcb%e6%95%b0%e6%8d%ae%e9%9b%86 "点击查看")

**（2）Kolektor表面缺陷数据集**

数据集图片：

![](https://pic4.zhimg.com/80/v2-161c1eb1fad96f51d00d871489c3f2eb_1440w.jpg)

数据集内容：Kolektor表面缺陷数据集，是由Kolektor Group doo提供并对缺陷标注的图像数据集。在真实情况下，图像是在受控的工业环境中捕获的。

数据集数量：Kolektor数据集包括399张图片，其中52张有明显缺陷，347张图像没有任何缺陷。

原始图片的宽度为500像素，高度从1240至1270像素不等。

数据集功能：缺陷检测

下载链接：[点击查看](https://www.jiangdabai.com/download/kolektor%e8%a1%a8%e9%9d%a2%e7%bc%ba%e9%99%b7%e6%95%b0%e6%8d%ae%e9%9b%86 "点击查看")

**（3）AITEX FABRIC数据集**

数据集图片：
![](https://pic1.zhimg.com/80/v2-abd28b35b3c912ce0aa230479cef3540_1440w.jpg)

数据集内容：AITEX FABRIC数据集是一个纺织物缺陷图像数据集，包含7种不同纺织物的245张图像。其中无缺陷的图像140张，每种类型的织物20张。不同类型的缺陷图像，有105张图像。

图像尺寸为4096×256像素，缺陷图像的名称如下： nnnn_ddd_ff.png，其中nnnn是图像编号，ddd是缺陷代码，ff是结构代码。

比如缺陷图像，命名为：

nnnn_ddd_ff_mask.png，其中白色像素代表缺陷图像的缺陷区域。

无缺陷图像的名称如下：

nnnn_000_ff.png，其中缺陷代码替换为0000。

数据集数量：AITEX FABRIC数据集包含245张图像，其中140张无缺陷、105张有缺陷图像。

数据集功能：缺陷检测

下载链接：[点击查看](https://www.jiangdabai.com/download/aitex-fabric%e6%95%b0%e6%8d%ae%e9%9b%86 "点击查看")

**（4）钢材表面NEU-CLS数据集**

数据集图片：

![](https://pic4.zhimg.com/80/v2-2ee8b108ff1613da7812762ee8d5a163_1440w.jpg)

数据集内容：钢材表面NEU-CLS数据集是一个由东北大学（NEU）发布的表面缺陷数据集，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）。

数据集数量：数据集包含1800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。
![](https://pic4.zhimg.com/80/v2-382ab96ae5cd24802851e8b42055d5bb_1440w.jpg)

数据集功能：缺陷检测

下载链接：[点击查看](https://www.jiangdabai.com/download/%e9%92%a2%e6%9d%90%e8%a1%a8%e9%9d%a2neu-cls%e6%95%b0%e6%8d%ae%e9%9b%86 "点击查看")

**（5）天池铝型材表面瑕疵数据集**

数据集图片：
![](https://pic1.zhimg.com/80/v2-7b067c551a88e5cfc4d9469084f0ea6c_1440w.jpg)

数据集内容：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。

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。

数据集数量：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。

数据集功能：瑕疵检测

下载链接：[点击查看](https://www.jiangdabai.com/download/%e5%a4%a9%e6%b1%a0%e9%93%9d%e5%9e%8b%e6%9d%90%e8%a1%a8%e9%9d%a2%e7%91%95%e7%96%b5%e6%95%b0%e6%8d%ae%e9%9b%86 "点击查看")

![](https://pic2.zhimg.com/v2-5483290ff1b8515dd572c4faf6754ecd_b.gif)

>来源：知乎

>作者：江大白

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可，转载请附上原文出处链接和本声明。
本文链接地址：https://flyai.com/article/arta1bc7c1be5d2fe8948415f58?type=e

讨论

500字

表情

发送

删除确认

是否删除该条评论？

取消删除