汽车整车零部件瑕疵检测

汽车整车零部件瑕疵检测数据集｜工业质检YOLO实战数据集
汽车智能制造自动化质检刚需数据集，工业视觉缺陷检测、汽车生产线质量管控落地热门训练素材。
公众号?同享AI超级个体
数据集类别配置
覆盖汽车零部件生产环节7类核心瑕疵，适配目标检测任务直接训练：

Short_circuit：电路短路缺陷，对应汽车电子零部件的接线短路问题，是电子类零部件安全性能检测的核心目标
damged：零部件结构性损坏，涵盖冲压件、注塑件在生产运输过程中产生的开裂、变形、破损等缺陷
lack_of_part：零部件缺件漏装，针对整车装配过程中少装、漏装零件的装配错误检测
miss_welding：焊接工艺漏焊问题，覆盖汽车底盘、车身焊接工序中未焊接、虚焊等典型焊接缺陷
redundant：冗余件/多余物，对应装配过程中遗留的多余零件、杂物等影响整车安全的多余物检测
slug：焊渣飞溅残留，针对焊接工序后焊缝部位残留焊渣、焊瘤等质量缺陷标注
spillover：胶水/密封胶溢出，针对汽车密封、粘接工序中胶粘剂溢出、涂覆不规范的缺陷

该数据集全部采集自真实汽车生产车间线体，包含不同光照、不同工位背景下的样本，覆盖小缺陷、多缺陷共存等复杂场景，标注规范精准，直接适配YOLOv5/YOLOv8等主流检测框架开箱即用，完美解决汽车零部件自动化质检中缺陷种类多、形态差异大的识别难点。
核心应用场景
可直接用于以下工业质检方向的模型开发与算法研究：

汽车零部件出厂前自动化缺陷筛查，替代人工目视检测提升质检效率
整车装配线在线质量检测，及时识别装配错误降低出厂不合格率
焊接、涂胶等核心工艺环节的在线质量监控，助力汽车智能制造产线升级
自动驾驶汽车传感器零部件生产质检，保障核心零部件生产质量

数据集下载
关注下方公众号，私信关键词【汽车零部件瑕疵检测数据集】即可下载。