1.天池鋁型材表面缺陷數(shù)據(jù)集

大賽數(shù)據(jù)集里有1萬份來自實際生產(chǎn)中有瑕疵的鋁型材監(jiān)測影像數(shù)據(jù)，每個影像包含一個或多種瑕疵。供機器學習的樣圖會明確標識影像中所包含的瑕疵類型。

2.Kylberg 紋理數(shù)據(jù)集

在布匹的實際生產(chǎn)過程中，由于各方面因素的影響，會產(chǎn)生污漬、破洞、毛粒等瑕疵，為保證產(chǎn)品質(zhì)量，需要對布匹進行瑕疵檢測。布匹疵點檢驗是紡織行業(yè)生產(chǎn)和質(zhì)量管理的重要環(huán)節(jié)，目前人工檢測易受主觀因素影響，缺乏一致性；并且檢測人員在強光下長時間工作對視力影響極大。

由于布匹疵點種類繁多、形態(tài)變化多樣、觀察識別難道大，導(dǎo)致布匹疵點智能檢測是困擾行業(yè)多年的技術(shù)瓶頸。本數(shù)據(jù)涵蓋了紡織業(yè)中布匹的各類重要瑕疵，每張圖片含一個或多種瑕疵。數(shù)據(jù)包括包括素色布和花色布兩類，其中，素色布數(shù)據(jù)約8000張；花色布數(shù)據(jù)約12000張。

3.東北大學帶鋼表面缺陷數(shù)據(jù)集

數(shù)據(jù)集收集了夾雜、劃痕、壓入氧化皮、裂紋、麻點和斑塊6種缺陷，每種缺陷300張，圖像尺寸為200×200。數(shù)據(jù)集包括分類和目標檢測兩部分，不過目標檢測的標注中有少量錯誤，需要注意。

4.Severstal 帶鋼缺陷數(shù)據(jù)集

該數(shù)據(jù)集中提供了四種類型的帶鋼表面缺陷。訓(xùn)練集共有12568張，測試集5506張。圖像尺寸為1600×256。

5.UCI 帶鋼缺陷數(shù)據(jù)集

該數(shù)據(jù)集包含了7種帶鋼缺陷類型。這個數(shù)據(jù)集不是圖像數(shù)據(jù)，而是帶鋼缺陷的28種特征數(shù)據(jù)，可用于機器學習項目。鋼板故障的7種類型：裝飾、Z_劃痕、K_劃痕、污漬、骯臟、顛簸、其他故障。

6.DAGM 2007數(shù)據(jù)集

該數(shù)據(jù)集主要針對紋理背景上的雜項缺陷，為較弱監(jiān)督的訓(xùn)練數(shù)據(jù)。包含十個數(shù)據(jù)集，前六個為訓(xùn)練數(shù)據(jù)集，后四個為測試數(shù)據(jù)集。每個數(shù)據(jù)集均包含以灰度8位PNG格式保存的1000個“無缺陷”圖像和150個“有缺陷”圖像，每個數(shù)據(jù)集由不同的紋理模型和缺陷模型生成?！盁o缺陷”圖像顯示的背景紋理沒有缺陷，“無缺陷”圖像的背景紋理上恰好有一個標記的缺陷。所有數(shù)據(jù)集已隨機分為大小相等的訓(xùn)練和測試子數(shù)據(jù)集。弱標簽以橢圓形表示，大致表示缺陷區(qū)域。

7.磁瓦缺陷數(shù)據(jù)集

中國科學院自動所一個課題組收集的數(shù)據(jù)集，是“Saliency of magnetic tile surface defects”這篇論文的數(shù)據(jù)集。收集了6種常見磁瓦缺陷的圖像，并做了語義分割的標注。

8.RSDDs鐵軌表面缺陷數(shù)據(jù)集

RSDDs數(shù)據(jù)集包含兩種類型的數(shù)據(jù)集：第一種是從快車道捕獲的I型RSDDs數(shù)據(jù)集，其中包含67個具有挑戰(zhàn)性的圖像。第二個是從普通/重型運輸軌道捕獲的II型RSDDs數(shù)據(jù)集，其中包含128個具有挑戰(zhàn)性的圖像。

兩個數(shù)據(jù)集的每幅圖像至少包含一個缺陷，并且背景復(fù)雜且噪聲很大。

RSDDs數(shù)據(jù)集中的這些缺陷已由一些專業(yè)的人類觀察員在軌道表面檢查領(lǐng)域進行了標記。

9.KTH-TIPS 紋理圖像數(shù)據(jù)集

KTH-TIPS 是一個紋理圖像數(shù)據(jù)集，在不同的光照、角度和尺度下拍攝的不同材質(zhì)表面紋理圖片。類型包括砂紙、鋁箔、發(fā)泡膠、海綿、燈芯絨、亞麻、棉、黑面包、橙皮和餅干共10類。

10.印刷電路板（PCB）瑕疵數(shù)據(jù)集

這是一個公共的合成PCB數(shù)據(jù)集，由北京大學發(fā)布，其中包含1386張圖像以及6種缺陷（缺失孔，鼠咬壞，開路，短路，雜散，偽銅），用于檢測，分類和配準任務(wù)。