陶瓷缺陷检测数据集

摘要：陶瓷缺陷检测数据集是一个面向工业陶瓷表面质量检测与智能制造视觉分析的图像数据集，主要用于识别陶瓷生产过程中出现的典型表面异常。

数据集概述

陶瓷缺陷检测数据集是一个面向工业陶瓷表面质量检测与智能制造视觉分析的图像数据集，主要用于识别陶瓷生产过程中出现的典型表面异常。数据来源于真实或模拟陶瓷制造与质量检测环境，涵盖陶瓷餐具、瓷砖、炻器及其他陶瓷制品，并包含不同缺陷类型的表面图像。数据集重点覆盖角度异常、孔径缺陷、暗点阻挡缺陷、边缘异常、光线阻挡缺陷和白点缺陷等6类典型质量问题，同时考虑不同光照、表面纹理、釉面反射和成像角度等因素，可较好模拟工业视觉检测中的复杂条件，为自动化缺陷识别和产品质量控制提供数据基础。

数据结构与关键特征

该数据集按照缺陷类别采用文件夹形式进行组织，不同目录分别对应一种陶瓷表面异常类型，包括角度异常、孔径缺陷、暗点阻挡缺陷、边缘异常、光线阻挡缺陷和白点缺陷。其中，角度异常主要体现陶瓷结构或局部几何形态偏差；孔径缺陷表现为异常孔洞或孔径尺寸变化；暗点阻挡缺陷表现为局部暗斑、黑点或遮挡区域；边缘异常主要涉及缺口、破损及轮廓不规则；光线阻挡缺陷体现由遮光、反射异常等因素形成的局部视觉变化；白点缺陷则表现为釉面或表面区域出现异常亮点。不同类别在纹理、灰度、形状、边缘和局部对比度方面具有明显差异，可直接用于图像分类，并可进一步扩展至缺陷定位、目标检测与像素级分割任务。

应用价值与研究方向

该数据集适用于工业机器视觉、陶瓷质量控制、智能制造和自动化生产监测等领域，可用于构建陶瓷表面六类缺陷自动分类与识别系统。研究人员可以采用ResNet、EfficientNet、ConvNeXt、Vision Transformer等模型进行缺陷分类，也可以利用YOLO、Faster R-CNN等目标检测算法完成缺陷区域定位，并结合U-Net、DeepLab等语义分割网络实现缺陷轮廓的精细提取。进一步可围绕小尺度孔洞与斑点识别、复杂光照条件下的鲁棒检测、相似缺陷类别区分、类别不均衡学习、少样本缺陷识别以及边缘设备实时部署等方向开展研究，从而提升陶瓷生产线的自动化检测效率、缺陷检出率和产品质量稳定性。

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-428
文件大小：14M
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。