BeltCrack：首个顺序图像工业 Conveyor Belt 裂纹检测数据集及其基于三域特征学习的基线方法
计算机视觉与模式识别
2026-03-25 v3 机器学习
摘要
Conveyor belt 是现代工业中重要的设备，广泛应用于生产和制造领域。其健康状态对 operational efficiency 和 safety 至关重要。裂纹是威胁belt健康的主要因素。目前，考虑到 safety，如何智能地检测belt裂纹正受到日益关注的注意。为了实现智能检测，需要认为是机器学习方法，实际的裂纹样本被认为是必需的。然而，现有裂纹数据集主要聚焦于路面场景或合成数据，几乎没有真实的工业belt裂纹数据集。此外，为了验证可用性和有效性，我们提出了一种特殊的基线方法，采用三域（即时间-空间-频率）特征层次融合学习。实验结果表明，我们的数据集在可用性和有效性方面都表现良好。而且，这些结果也显示，我们的基线方法在其他类似检测方法之上具有显著优势。我们的数据集和源代码均可在 https://github.com/UESTC-nnLab/BeltCrack 上获取。
引用
@article{arxiv.2506.17892,
title = {BeltCrack: the First Sequential-image Industrial Conveyor Belt Crack Detection Dataset and Its Baseline with Triple-domain Feature Learning},
author = {Jianghong Huang and Luping Ji and Xin Ma and Mao Ye},
journal= {arXiv preprint arXiv:2506.17892},
year = {2026}
}
备注
Accepted by Pattern Recognition