数据集概述
该数据集聚焦孟加拉国纺织业面料缺陷检测需求，包含生产现场采集的织物缺陷图像及标注，涉及孔洞、断经、油渍三类工业常见缺陷，共两千一百五十七张图像，采用近平衡类分布，为机器学习模型开发提供真实场景数据支持。
文件详解
- 图像文件（.jpg格式）：
- 存储路径：按缺陷类型分类存放于对应子目录，如
Fabric Anomaly Recognition Dataset/Fabric Fault Detection/Broken End/（断经缺陷）、Hole/（孔洞缺陷）、oil/（油渍缺陷）
- 内容：生产现场采集的织物缺陷图像，覆盖真实光照与背景变化
- 标注文件（.txt格式）：
- 存储路径：存放于
Fabric Anomaly Recognition Dataset/Fabric Fault Detection/labels/labels/目录
- 内容：采用YOLO格式标注，每行包含缺陷类别ID（0=孔洞、1=断经、2=油渍）及归一化坐标信息，示例：
1 0.507552 0.504167 0.020313 0.991667
适用场景
- 纺织工业质量控制：训练自动化面料缺陷检测模型，提升生产效率
- 机器学习模型开发：用于计算机视觉领域目标检测算法的训练与验证
- 缺陷分类研究：分析不同类型织物缺陷的特征与识别难点
- 工业场景数据增强：为模型适配真实生产环境光照、背景变化提供数据支持
