一代目1. 数据集概述与核心价值
这个186张图片的智能手机屏幕缺陷数据集，是我在工业质检项目实战中整理的高质量标注资源。不同于常见的通用物体检测数据集，它专门针对手机屏幕表面缺陷的三种典型类型（斑点、划痕、油污）进行了精细标注，分辨率统一为1920x1080，采用labelme多边形标注格式。这类垂直领域数据集的稀缺性使其成为手机制造质检、屏幕缺陷算法开发者的宝贵资源。
数据集的核心价值在于：
- 真实工业场景覆盖：所有样本均来自实际生产线，缺陷形态包含不同光照条件下的反光、渐变、模糊边缘等真实情况
- 精细标注规范：采用polygon多边形标注而非矩形框，能精确贴合不规则缺陷的轮廓（如放射状划痕、扩散状油渍）
- 多缺陷类型平衡：三类缺陷数量分布合理（斑点162、划痕96、油污95），避免模型训练时的类别偏差
提示：虽然标注文件是json格式，但通过labelme的"Polygon"类型标注，每个缺陷的轮廓点坐标都被完整记录，这是实现高精度分割的关键。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集文件结构与技术细节
2.1 文件组织架构
数据集目录结构遵循标准labelme格式：
code复制firc-dataset/
├── JPEGImages/ # 存放原始图片
│ ├── 000001.jpg # 1920x1080分辨率
│ └── ... # 共186张
└── Annotations/ # 标注文件
├── 000001.json # 对应JSON标注
└── ... # 共186个
2.2 标注文件解析
以000001.json为例，其核心结构包含：
json复制{
"version": "5.5.0",
"flags": {},
"shapes": [
{
"label": "bandian",
"points": [[x1,y1], [x2,y2], ...], // 多边形顶点坐标
"shape_type": "polygon",
"flags": {}
}
],
"imagePath":