面向工业缺陷检测的公开数据集基准测试与模型开发的PRISMA驱动系统综述
计算机视觉与模式识别
2024-06-13 v1 机器学习
摘要
近期，各行业质量控制的进步日益依赖视频摄像机和图像处理集成，以实现有效的缺陷检测。一个关键障碍是稀缺包含带注释缺陷的综合数据集，这些数据集对于开发和细化自动化缺陷检测模型至关重要。本系统综述涵盖2015至2023年，识别出15个公开数据集并对其进行批判性检查，以评估其有效性和适用性以进行基准测试和模型开发。我们的发现揭示了数据集的多样化景观，如NEU-CLS、NEU-DET、DAGM、KolektorSDD、PCB缺陷数据集和空心圆柱缺陷检测数据集，每组数据集在图像质量、缺陷类型表示和实际应用方面各有独特优势和局限。本系统综述的目标是将这些数据集整合到单个位置，为寻求此类公开资源的研究人员提供全面的参考。
引用
@article{arxiv.2406.07694,
title = {A PRISMA Driven Systematic Review of Publicly Available Datasets for Benchmark and Model Developments for Industrial Defect Detection},
author = {Can Akbas and Irem Su Arin and Sinan Onal},
journal= {arXiv preprint arXiv:2406.07694},
year = {2024}
}
备注
One figure and one table