企业官网建设流程全解析

工业零部件产品缺陷检测数据集，1632张，yolo，voc，coco三种标注方式
图像尺寸:620*526

类别数量:10类

训练集图像数量:1380; 验证集图像数量:216； 测试集图像数量:36

类别名称: 每一类图像数 ，每一类标注数
ROLLOVER_BURR 滚边毛刺 92 120
EDGE_BURR 边缘毛刺 304 400
SHORT_SCRATCH 短划痕 214 361
SURFACE_DENT 表面凹痕 227 412
PITS_CLUSTER 麻点簇 264 475
EDGE_DENT 边缘凹痕 547 849
ROUGH_PATCH 粗糙斑块 67 81
LONG_SCRATCH 长划痕 89 115
PITS_DOTS 点状麻点 84 188
SURFACE_PATCH 表面斑块 158 209
image num: 1632

工业零部件产品缺陷检测数据集

数据集总览表

类别分布表

data.yaml配置文件

path:./industrial_defect_datasettrain:images/trainval:images/valtest:images/testnames:0:ROLLOVER_BURR1:EDGE_BURR2:SHORT_SCRATCH3:SURFACE_DENT4:PITS_CLUSTER5:EDGE_DENT6:ROUGH_PATCH7:LONG_SCRATCH8:PITS_DOTS9:SURFACE_PATCH

YOLOv11完整训练&推理代码

fromultralyticsimportYOLO# 加载预训练权重model=YOLO("yolo11n.pt")# 模型训练train_result=model.train(data="data.yaml",epochs=100,imgsz=(620,526),batch=16,device=0,workers=2,patience=15,project="industrial_defect",name="yolov11_defect_train",verbose=True)# 验证集评估val_metric=model.val()print(f"mAP@0.5:{val_metric.box.map50:.4f}")# 单图推理res=model.predict("test_defect.jpg",conf=0.25,save=True)# 导出onnx工业部署模型model.export(format="onnx")

关键词&应用场景

关键词：工业零部件缺陷检测、表面划痕、毛刺、凹痕、麻点、机器视觉、工业质检、YOLOv11
应用场景：工厂零部件出厂质检、自动化视觉检测工位、金属零件外观缺陷筛查、产线AI检测设备开发。