摘要：酸奶杯缺陷检测数据集包含 489 张来自斯里兰卡乳制品生产设施的真实工业环境图像，标注了 12 种灌装后缺陷类别（物理污染物、液体异常、灌装液位问题）。数据集进行边界框标注，采用 YOLOv11 格式组织（训练集 393 张、验证集 69 张、测试集 27 张），是威斯敏斯特大学附属 IIT 软件工程本科毕业设计项目的核心数据，支持工业缺陷检测和物体检测模型开发。
数据集简介
数据集概述
数据集标注了 12 个缺陷类别，涵盖容器、污染物、液体异常和灌装问题：0-cup（酸奶杯容器本身）、1-dustparticle（灰尘颗粒）、2-eyelash（睫毛）、3-foam（泡沫）、4-hair（毛发）、5-insect（昆虫）、6-overfill（过量灌装）、7-plasticparticle（塑料颗粒）、8-residue（残留物）、9-underfill（灌装不足）、10-waterbubble（水泡）、11-waterlayer（水层）。数据集采用 YOLOv11 格式组织，包含 train/images/ 和 train/labels/、valid/images/ 和 valid/labels/、test/images/ 和 test/labels/ 目录结构，以及配置文件 data.yaml。项目在训练时应用了在线数据增强技术（马赛克增强、随机旋转、水平/垂直翻转、HSV 颜色抖动、尺度变化、平移），但原始数据集保持真实生产条件下的原始标注。
该数据集为食品工业质量控制和计算机视觉研究提供真实场景数据支撑，核心应用包括酸奶杯缺陷自动检测、乳制品生产线质量监控、物体检测模型训练以及多模态传感器融合研究。基于该数据集训练的 DairyFusion AI 系统展示了出色性能：DairyNet YOLO V7 在 mAP@0.5 指标上达到 0.793，DairyNet 多模态 V4 管道准确率达到 98.55%，传感器分类器测试准确率为 83.33%。数据集的真实工业环境来源和多样化缺陷类别使其成为开发鲁棒缺陷检测算法、评估深度学习模型在实际生产中的性能以及研究视觉与物联网传感器数据融合技术的理想资源，为智能制造、食品安全监控和工业 4.0 应用提供了实证研究基础。
数据集来源
该数据集从斯里兰卡乳制品生产设施的真实工业环境采集，包含 489 张酸奶杯图像，使用标注 12 种灌装后缺陷（污染物、液体异常、灌装液位问题等），采用 YOLOv11 格式组织（训练/验证/测试划分），专为 DairyFusion AI 多模态缺陷检测系统。是威斯敏斯特大学附属 IIT 软件工程本科毕业设计项目的核心数据。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-59
文件大小：30M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)