NEU-DET钢材表面缺陷分类数据集 | 图像分类

本数据集面向NEU-DET钢材表面缺陷分类场景的图像分类任务，涵盖14个检测类别，总计1,799张标注图像。数据集适用于灾害评估领域的算法研究、模型训练与工程应用。

数据集概览

数据集名称：NEU-DET钢材表面缺陷分类数据集
任务类型：图像分类
图像总数：1,799 张
标注类别：14 类
标注格式：YOLO TXT（归一化坐标）
适用框架：YOLOv5 / YOLOv8 / YOLOv10 / YOLOv11 / YOLO26 / RT-DETR
数据划分：训练集 / 验证集 / 测试集

检测类别与标注分布

本数据集包含14个检测类别，各类别标注分布如下：

inclusion patches pitted_surface（包含贴片pitted_surface）
patches pitted_surface scratches（pATCHES pitted_surface刮痕）
inclusion scratches（夹杂物划痕）
scratches（划痕）
rolled-in_scale
inclusion pitted_surface（包含pitted_surface）
patches pitted_surface
pitted_surface（麻点表面）
inclusion patches（包含补丁）
patches（补丁）
inclusion（包含）
crazing patches（龟裂斑块）
crazing inclusion（裂纹夹杂物）
crazing

技术规格

标注格式：YOLO TXT格式，每行标注为 class x_center y_center width height，坐标值归一化至 [0, 1]
数据划分：按照标准比例划分训练集、验证集与测试集，可直接用于模型训练与性能评估
数据来源：Roboflow Universe 平台

应用场景

1. **图像分类模型训练**：使用本数据集训练图像分类模型，实现NEU-DET钢材表面缺陷分类的自动识别
2. **算法研究**：作为目标检测算法的基准数据集，用于性能评估与横向对比
3. **工程应用**：支持智能检测系统的开发与部署
4. **教学与科研**：适用于计算机视觉、深度学习等领域的科研项目与课程实践