- 标注格式
- YOLO TXT
齿轮表面缺陷检测数据集
本数据集面向齿轮零部件的表面质量自动化检测场景，通过工业相机采集金属齿轮图像，标注出齿面断裂、缺齿、齿面划痕三类典型加工与使用缺陷，共2978张图像、6297个标注框。
数据集概览
| 标注格式 | YOLO TXT（归一化坐标） |
| 标注类别 | 详见数据集介绍 |
检测类别
- break —— 齿面断裂
- lack —— 缺齿
- scratch —— 齿面划痕
应用场景
- 机床、减速器、变速箱齿轮件的自动化外观质检
- 齿轮生产线上的缺陷识别与分拣
- 机器视觉与深度学习质检算法研究
- 工业互联网装备预测性维护数据集
数据集特点
- 图像规模充足，覆盖真实田间/工业场景
- YOLO 格式标注，开箱即可用于模型训练
- 按标准比例划分训练集/验证集/测试集
获取方式
登录本站后即可免费获取夸克网盘下载链接，提取码统一为 yolo，下载解压后即可用于模型训练。
🏷️ 标签
#目标检测 #工业检测 #齿轮缺陷 #机器视觉
相关推荐
常见问题
Q: 这个数据集是什么格式？可以直接用YOLO训练吗？
A: 本数据集为YOLO格式（.txt标注文件+images/labels目录结构），下载解压后可直接用于YOLOv5/YOLOv6/YOLOv7/YOLOv8/YOLOv11等系列模型的训练，无需额外格式转换。
Q: 数据集有多大？包含多少张图片？
A: 具体图片数量和标注类别请参考上方”数据集概览”表格。所有数据集均经过筛选，确保标注质量和场景多样性。
Q: 下载后如何使用？
A: 1. 下载ZIP文件并解压；2. 确认目录结构包含images和labels文件夹；3. 修改data.yaml中的路径指向解压目录；4. 运行训练命令开始训练。建议先在小数据集上验证，再全量训练。
Q: 数据集可以商用吗？
A: 数据集来源于开源社区，具体使用许可请参考原始项目说明。建议用于学习研究和非商业项目，商业使用前请确认原始许可协议。
Q: 训练时推荐什么参数？
A: 推荐初始配置：batch=16（根据显存调整）、imgsz=640、epochs=100、optimizer=AdamW。如果数据集类别不均衡，建议使用–balance-weights或过采样少数类。
训练建议
数据预处理：训练前建议运行数据校验脚本，检查标注文件是否存在空框、越界坐标或格式错误。可使用YOLO自带的`–verify`参数进行验证。
数据增强：开启mosaic、mixup、hsv_h/s/v等增强策略，提升模型泛化能力。对于小目标密集的场景，建议将imgsz提升到1280。
迁移学习：推荐使用预训练权重（yolov8n/s/m/l.pt）进行微调，而非从头训练。冻结前10层可以加快收敛速度。
评估指标：重点关注mAP@0.5、mAP@0.5:0.95、Precision和Recall四个指标。如果Recall偏低，可适当降低置信度阈值。
模型选择：边缘部署选nano/small，服务器推理选medium/large。分类任务建议从YOLOv8-cls开始，实例分割用YOLOv8-seg。
提取码：yolo
暂无评论内容