1）鋼材表面：NEU-CLS（可用于分類、定位任務）地址：http://faculty.neu.edu.cn/yunhyan/NEU_surface_defect_database.html 由東北大學（NEU）發布的表面缺陷數據庫，收集了熱軋鋼帶的六種典型表面缺陷，即軋制氧化皮（RS），斑塊（Pa），開裂（Cr），點蝕表面（ PS），內含物（In）和劃痕（Sc）。該數據庫包括1,800個灰度圖像：六種不同類型的典型表面缺陷，每一類缺陷包含300個樣本。對于缺陷檢測任務，數據集提供了注釋，指示每個圖像中缺陷的類別和位置。對于每個缺陷，黃色框是指示其位置的邊框，綠色標簽是類別分數。

2）太陽能板：elpv-dataset地址：https://github.com/zae-bayern/elpv-dataset

3）金屬表面：KolektorSDD該數據集是由Kolektor Group提供并注釋的有缺陷的電子換向器的圖像構成的。 官方地址：https://www.vicos.si/Downloads/KolektorSDD 百度網盤：https://pan.baidu.com/share/init?surl=HSzHC1ltHvt1hSJh_IY4Jg (提取碼：1zlb)

4）PCB板檢測：DeepPCB地址：https://github.com/Charmve/Surface-Defect-Detection/tree/master/DeepPCB

5）AITEX數據集（面料缺陷）地址：https://pan.baidu.com/s/1cfC4Ll5QlnwN5RTuSZ6b7w (提取碼：b9uy) 該數據庫由七個不同織物結構的245張4096 x 256像素圖像組成。數據庫中有140個無缺陷圖像，每種類型的織物20個，除此之外，有105幅紡織行業中常見的不同類型的織物缺陷（12種缺陷）圖像。圖像的大尺寸允許用戶使用不同的窗口尺寸，從而增加了樣本數量。Internet上的數據庫還包含所有具有缺陷的圖像的分割mask，使得白色像素表示缺陷區域，其余像素為黑色。

6）天池布匹缺陷數據（競賽）地址：https://pan.baidu.com/s/1LMbujxvr5iB3SwjFGYHspA (提取碼：gat2) 在布匹的實際生產過程中，由于各方面因素的影響，會產生污漬、破洞、毛粒等瑕疵，為保證產品質量，需要對布匹進行瑕疵檢測。布匹疵點檢驗是紡織行業生產和質量管理的重要環節，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、形態變化多樣、觀察識別難道大，導致布匹疵點智能檢測是困擾行業多年的技術瓶頸。本數據涵蓋了紡織業中布匹的各類重要瑕疵，每張圖片含一個或多種瑕疵。數據包括包括素色布和花色布兩類，其中，素色布數據約8000張，用于初賽；花色布數據約12000張，用于復賽。 7）天池鋁型材表面瑕疵數據集（競賽）地址：https://tianchi.aliyun.com/competition/entrance/231682/information 數據集介紹：在鋁型材的實際生產過程中，由于各方面因素的影響，鋁型材表面會產生裂紋、起皮、劃傷等瑕疵，這些瑕疵會嚴重影響鋁型材的質量。為保證產品質量，需要人工進行肉眼目測。然而，鋁型材的表面自身會含有紋路，與瑕疵的區分度不高。傳統人工肉眼檢查十分費力，不能及時準確的判斷出表面瑕疵，質檢的效率難以把控。近年來，深度學習在圖像識別等領域取得了突飛猛進的成果。鋁型材制造商迫切希望采用最新的AI技術來革新現有質檢流程，自動完成質檢任務，減少漏檢發生率，提高產品的質量，使鋁型材產品的生產管理者徹底擺脫了無法全面掌握產品表面質量的狀態。大賽數據集里有1萬份來自實際生產中有瑕疵的鋁型材監測影像數據，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。

8）弱監督學習下的工業光學檢測（DAGM 2007）Weakly Supervised Learning for Industrial Optical Inspection數據下載鏈接：https://hci.iwr.uni-heidelberg.de/node/3616

9）基建表面裂紋檢測數據Cracks on the surface of the construction.數據集是github上的一個項目，主要是一些基建（水泥表面裂紋），可以訪問項目連接：https://github.com/cuilimeng/CrackForest-dataset 或者百度云鏈接：https://pan.baidu.com/s/1108j5QbDr7T3XQvDxAzVpg （提取碼：jajn）下載。

10）磁瓦缺陷數據集Magnetic tile dataset該數據集是由abin2收集的，現已開源，地址：https://github.com/Charmve/Surface-Defect-Detection/tree/master/Magnetic-Tile-Defect

11）鐵軌表面缺陷數據集RSDDs dataset官方鏈接：http://icn.bjtu.edu.cn/Visint/resources/RSDDs.aspx 鏈接：https://pan.baidu.com/share/init?surl=svsnqL0r1kasVDNjppkEwg （提取碼：nanr） RSDDs數據集包含兩種類型的數據集：第一種是從快車道捕獲的I型RSDDs數據集，其中包含67個具有挑戰性的圖像。第二個是從普通/重型運輸軌道捕獲的II型RSDDs數據集，其中包含128個具有挑戰性的圖像。兩個數據集的每幅圖像至少包含一個缺陷，并且背景復雜且噪聲很大。RSDDs數據集中的這些缺陷已由一些專業的人類觀察員在軌道表面檢查領域進行了標記。

12）Kylberg紋理數據集 v.1.0官方鏈接//www.cb.uu.se/~gustaf/texture/

責任編輯：lq