面向工业叶片表面质量检测任务构建的多类别图像分类数据集

摘要：面向工业叶片表面质量检测任务构建的多类别图像分类数据集，主要用于识别叶片表面的不同质量状态。

数据集概述

面向工业叶片表面质量检测任务构建的多类别图像分类数据集，主要用于识别叶片表面的不同质量状态。数据集包含正常叶片以及存在缺口和划痕缺陷的叶片图像，可用于训练计算机视觉模型自动判断叶片是否存在表面缺陷，为工业制造过程中的质量检测、缺陷筛查和智能视觉检测研究提供数据基础。

数据结构与关键特征

数据集主要存放在 Data_GKN 目录下，并按照叶片表面状态划分为 Good（正常）、Nick（缺口） 和 Scratch（划痕） 三个类别。Good 类别包含表面状态良好的叶片图像，Nick 类别对应存在局部缺口或崩边等损伤的样本，Scratch 类别则包含具有明显表面划痕的叶片图像。该数据集属于典型的监督式多分类图像数据，可用于学习不同缺陷在纹理、形状和局部表面结构上的视觉差异。

应用价值与研究方向

该数据集可用于工业叶片表面缺陷分类、质量检测、智能制造和机器视觉质检等研究。研究人员可采用 ResNet、EfficientNet、MobileNet、DenseNet、ConvNeXt、Vision Transformer 等模型进行三分类实验，并进一步探索细粒度缺陷识别、迁移学习、数据增强、异常检测、模型可解释性、轻量化网络以及边缘设备实时部署等方向，为生产线自动质检、缺陷预警和工业质量控制提供技术支持。

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-546
文件大小：47M
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。