带标注的螺丝、螺栓、垫圈缺陷识别数据集，包含缺陷里包含生锈和划痕，1291张图，支持yolo，coco json，voc xml,文末有模型训练代码。

​
带标注的螺丝、螺栓、垫圈缺陷识别数据集，包含缺陷里包含生锈和划痕，1291张图，支持yolo，coco json，voc xml,文末有模型训练代码。

数据集拆分

总图数：1291 张图数
训练集

1143 张图

验证集

106 张图

测试集

42 张图

预处理

自动定向：应用

调整大小：拉伸到640x640

增强
每个训练样本生成 3 组扩增数据
翻转方式：水平翻转、垂直翻转
90° 旋转：顺时针旋转、逆时针旋转
随机旋转：角度范围 -15° ~ +15°

数据集标签：

[‘objdetection’, ‘ScrewDefect’, ‘ScrewGood’, ‘BoltDefect’, ‘BoltGood’, ‘WasherDefect’, ‘WasherGood’]

标签解释
ScrewDefect → 螺丝缺陷
ScrewGood → 合格螺丝 / 完好螺丝
BoltDefect → 螺栓缺陷
BoltGood → 合格螺栓 / 完好螺栓
WasherDefect → 垫圈缺陷
WasherGood → 合格垫圈 / 完好垫圈

数据集图片和标注信息示例：

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92894108

yolo v12:https://download.csdn.net/download/pbymw8iwm/92894107

yolo v11:https://download.csdn.net/download/pbymw8iwm/92894106

yolo v9:https://download.csdn.net/download/pbymw8iwm/92894101

yolo v8:https://download.csdn.net/download/pbymw8iwm/92894103

yolo v7:https://download.csdn.net/download/pbymw8iwm/92894104

coco json:https://download.csdn.net/download/pbymw8iwm/92894102

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92894105

YOLO模型训练

下载数据集之后解压到当前文件夹，然后将 我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py
​​

模型验证测试情况：

验证测试代码：

#需要安装pip install ultralyticsfromultralyticsimportYOLOimportcv2# 加载训练好的 YOLO .pt 模型model=YOLO('best.pt')# 替换为你实际的 .pt 模型文件路径# 定义要测试的图片路径image_path='./image.jpg'# 替换为你实际的图片文件路径# 使用模型对图片进行预测results=model(image_path)# 获取预测结果forresultinresults:# 获取绘制了检测框的图片annotated_image=result.plot()# 显示图片cv2.imshow("YOLOv Inference",annotated_image)# 等待按键退出cv2.waitKey(0)# 关闭所有 OpenCV 窗口cv2.destroyAllWindows()