工业场景数据集 图像识别
时间: 2025-01-22 08:35:17 浏览: 63
### 工业场景图像识别数据集
对于工业场景中的图像识别任务,存在多个专门设计的数据集能够满足特定需求。这些数据集通常涵盖了不同类型的工业环境、设备以及操作流程。
#### 1. **COCO-Dataset**
尽管 COCO 数据集主要侧重于通用物体检测,但其中也包含了部分工业相关类别,如个人防护装备(PPE),这使得该数据集可以用于某些特定的工业应用场合[^2]。
#### 2. **MVTEC AD (Anomaly Detection)**
MVTEC AD 是一个专注于异常检测的数据集,特别适合应用于制造业的质量控制环节。此数据集中包含多种表面缺陷样本图片,例如划痕、污渍等常见瑕疵形式,有助于训练模型来区分正常产品与有缺陷的产品[^3]。
#### 3. **NEU Surface Defect Database**
NEU 提供了一个针对钢铁材料表面缺陷分析的数据集合,内含六种典型的钢板表面损伤模式——轧制氧化皮(RS), 鳞状裂纹(SCAB), 划伤(SCRATCH), 边缘裂缝(INCLUSION), 油斑(OIL SPOT) 和 锈蚀(PS)[^4]。
```python
import torch
from torchvision import datasets, transforms
transform = transforms.Compose([transforms.ToTensor()])
dataset = datasets.ImageFolder(root='path_to_neu_surface_defect_db', transform=transform)
dataloader = torch.utils.data.DataLoader(dataset, batch_size=4, shuffle=True)
```
#### 4. **RSI-CBINS (Remote Sensing Image Change-Based Instance Segmentation)**
这个遥感影像变化实例分割数据集虽然主要用于监测城市扩张等地表动态变化情况,但在处理大型基础设施建设前后对比等方面同样具备潜在价值,在一定程度上也可以视为广义上的工业应用场景之一[^5]。
阅读全文
相关推荐


















