1）钢表面：NEU-CLS（可用于分类和定位任务）地址：http://faculty.neu.edu.cn/yunhyan/NEU_surface_defect_database.html东北大学（NEU）发布的表面缺陷数据库，用于收集热量轧制钢带的六个典型表面缺陷，即轧制氧化皮（RS），蚀斑（Pa），开裂（Cr），点蚀表面（PS），夹杂物（In）和划痕（Sc）。
该数据库包含1,800个灰度图像：六种不同类型的典型表面缺陷，每个缺陷包含300个样本。
对于缺陷检测任务，数据集提供注释，以指示每个图像中缺陷的类别和位置。
对于每个缺陷，黄色框是指示其位置的边框，绿色标签是类别分数。
2）太阳能电池板：elpv数据集地址：https://github.com/zae-bayern/elpv-dataset 3）金属表面：KolektorSDD该数据集由KolektorGroup提供并标注的有缺陷电子换向器的图像组成。
官方地址：https://www.vicos.si/Downloads/KolektorSDD百度网盘：https://pan.baidu.com/share/init?surl=HSzHC1ltHvt1hSJh_IY4Jg（提取代码：1zlb）4）PCB板检查：DeepPCB地址：https://github.com/Charmve/Surface-Defect-Detection/tree/master/DeepPCB5）AITEX数据集（织物缺陷）地址：https://pan.baidu.com/s/1cfC4Ll5QlnwN5RTuSZ6b7w（提取代码： b9uy）数据库由七个不同结构的245个4096x256像素图像组成。
数据库中有140个无缺陷图像，每种类型的织物20个。
另外，在纺织工业中有105种不同类型的织物缺陷（12种缺陷）的图像。
图像的大尺寸允许用户使用不同的窗口尺寸，从而增加了样本数量。
Internet上的数据库还包含所有缺陷图像的分割掩码，因此白色像素代表缺陷区域，其余像素为黑色。
6）天池布缺陷数据（竞争）地址：https://pan.baidu.com/s/1LMbujxvr5iB3SwjFGYHspA（提取代码：gat2）在布的实际生产过程中，由于各种因素的影响，污渍和破损会发生。
对于缺陷（例如孔和绒毛），为了确保产品质量，需要检查织物的缺陷。
织物缺陷检查是纺织行业生产和质量管理的重要组成部分。
目前，人工检查容易受到主观因素的影响，缺乏一致性。
检查人员在强光下长时间工作会对视力产生很大影响。
由于各种织物缺陷，各种形态变化以及观察和识别的困难，因此智能检测织物缺陷已成为困扰该行业多年的技术瓶颈。
该数据涵盖了纺织业中布料的各种重要缺陷，每张图片都包含一个或多个缺陷。
数据包括两种类型：平纹布和花纹布。
其中，初赛中使用了大约8000条平纹布数据；半决赛中使用了大约12,000条图案布料数据。
7）天池铝型材表面缺陷数据集（竞赛）地址：https：//tianchi.aliyun.com/competition/entrance/231682/信息数据集介绍：在铝型材的实际生产过程中，由于各种因素，铝型材的表面会出现裂纹，剥落，划痕等缺陷，严重影响铝型材的质量。
为了确保产品质量，需要进行手动外观检查。
但是，铝型材的表面本身包含纹理，很难与缺陷区分开。
传统的人工目视检查非常费力，不能及时，准确地判断出表面缺陷，质量检查的效率难以控制。
近年来，深度学习在图像识别等领域取得了长足的进步。
铝型材制造商渴望使用最新的AI技术创新现有的质量检查流程，自动完成质量检查任务，减少漏检的发生率，并提高产品质量，以便铝型材产品的生产经理能够完全摆脱无法完全掌握。
产品表面质量的状态。
在比赛的数据集中，有10,000个来自铝型材的监控图像数据在实际生产中存在缺陷，并且每个图像都包含一个或多个缺陷。
用于机器学习的样本图像将清楚地识别图像中包含的缺陷类型。
8）弱监督学习下的工业光学检查（DAGM2007）WeaklySupervisededLearningforIndustrialOpticalInspection数据下载链接：https：//hci.iwr.uni-heidelbe
