摘要：该数据集面向制革生产过程中的牛皮表面缺陷自动检测任务，旨在利用人工智能替代依赖人工目视检查的传统质量分级方式。
数据集概述
该数据集面向制革生产过程中的牛皮表面缺陷自动检测任务，旨在利用人工智能替代依赖人工目视检查的传统质量分级方式。数据以大幅皮革图像中的小缺陷为主要检测对象，可用于训练目标检测模型识别缺陷位置和类别，提高皮革质量检测的效率与一致性。
数据结构与关键特征
数据集采用YOLO格式保存图像及目标框标签，共包含虫咬、划痕、孔洞、缝合痕迹、病变和破裂6类缺陷。其主要特点是原始图像尺寸较大，而缺陷目标通常较小，且可能同时出现多种缺陷，因此对模型的小目标检测、局部特征提取和多缺陷识别能力具有较高要求。
应用价值与研究方向
该数据集可应用于皮革质量分级、生产线自动检测、缺陷统计和智能制造质量控制。研究方向包括基于YOLO、Faster R-CNN和Transformer检测器的多缺陷识别、大图切片训练、小目标特征增强、类别不平衡处理、缺陷分割以及面向工业相机和边缘设备的实时检测模型部署。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁) 项目编号：Datasets-690 文件大小：2.2G 原创声明：本数据集为整理作品
