鞋面缺陷检测数据集 | 鞋面缺陷 工业质检 表面检测 目标检测 9191期数据集概述本数据集专注于鞋类鞋面表面缺陷的视觉检测与分类服务于制鞋工业质检、自动化生产线及产品质量管控。数据涵盖六类典型鞋面缺陷适配生产线在线质检、鞋类分级及缺陷溯源等应用。数据集核心信息数据要素详细说明类别共6类划痕、污渍、纤维损伤、胶水缺陷、脱皮、线迹缺陷数量2693张图像格式图像为 JPG/PNG标签为 YOLO 格式的 txt 文件水平边界框数据版本19个版本应用价值1.工业质检支撑制鞋生产线对鞋面缺陷的自动检测与分拣替代人工目检。2.质量分级根据检测出的缺陷类型与数量辅助产品等级自动判定。3.工艺改进统计缺陷分布与种类反馈至缝制、粘合等工序优化。4.算法研发为工业表面缺陷检测、细粒度分类等视觉任务提供真实场景的训练与评测数据。完整类别列表共6类序号英文名称中文释义缺陷类型说明1SCRATCH划痕鞋面表面的刮伤或擦痕2STAIN污渍鞋面表面的污染或变色3FIBER DAMAGE纤维损伤鞋面材料纤维断裂或损伤4GLUE DEFECT胶水缺陷粘合处溢胶、缺胶或胶水痕迹异常5PEELING脱皮鞋面材料表层剥离或脱落6THREAD DEFECT线迹缺陷缝线断裂、跳线或线迹不齐数据三要素解析类别与缺陷覆盖数据集定义6类鞋面典型缺陷覆盖表面损伤类划痕、污渍、纤维损伤、工艺缺陷类胶水缺陷、线迹缺陷及材料劣化类脱皮。缺陷类型覆盖了制鞋过程中常见的外观与工艺问题具有较强的工业实用性。类别设置与制鞋行业质检标准中的常见缺陷分类相衔接。数据规模与版本图像总量约2693张规模适中能支撑多类别缺陷检测模型的训练。数据集有19个版本可能包含不同标注完善度或数据增强的迭代版本。图像涵盖不同鞋型、材质与光照条件下的缺陷样本。格式与结构采用通用YOLO 格式txt每张图像对应一个同名标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8 等主流检测框架。图像与标签一一对应数据结构规范便于进行训练/验证集划分与预处理集成。知识普及鞋面缺陷视觉检测的技术要点缺陷形态多样划痕呈细线状污渍呈斑块状线迹缺陷呈点状或短线状模型需学习这些形态差异。小目标与细微缺陷划痕、线迹缺陷等目标在图像中占比较小需采用高分辨率输入或多尺度特征融合策略。背景与材质干扰鞋面材质皮革、织物、合成材料纹理复杂颜色多样可能与缺陷混淆模型需依赖纹理与颜色特征进行区分。类别不平衡部分缺陷如纤维损伤样本可能较少训练时可采用类别加权损失或过采样策略。应用闭环检测结果可结合生产线速度与机械臂控制实现“识别-定位-分拣”的自动化质检闭环提升制鞋行业的品控效率。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valnc:6names:[SCRATCH,STAIN,FIBER DAMAGE,GLUE DEFECT,PEELING,THREAD DEFECT]启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs100,imgsz640,batch16,device0)标签鞋面缺陷工业质检表面检测目标检测YOLO格式深度学习数据集计算机视觉