简介本资源为面向计算机视觉与工业质检方向研究者的PCB电路板缺陷检测专用数据集适用于YOLO、Faster R-CNN等目标检测模型的训练与验证。数据集涵盖falsecopper、missinghole、mousebite等8类典型PCB缺陷共9666张带标注图像每张图均提供Pascal VOC格式XML与YOLO格式TXT双标注文件支持开箱即用的多框架适配。资源以单个3.38MB的DOCX文档形式交付内含数据集结构说明、类别定义、标注统计总框数51549、噪声增强方法说明及百度网盘下载指引便于快速理解数据组织逻辑与使用路径。目前已有238人学习下载适合算法工程师、研究生及AI初学者开展缺陷识别项目实践、模型baseline构建或课程实验设计尤其利于深入掌握工业场景小目标、密集缺陷与噪声鲁棒性建模的关键细节。1. 9666张PCB缺陷图VOCYOLO双格式齐备8类工业缺陷全覆盖新手可直接喂进YOLOv5/v8训练 pipeline你手头正跑着一个PCB AOI检测项目模型在自采小样本上过拟合严重验证集mAP卡在0.42不动或者刚学完目标检测想找个真实工业场景数据集练手但搜出来的“PCB数据集”要么只有几十张图、要么类别混乱、要么标注错位到离谱——这时候一份标得准、量够大、格式开箱即用的9666张PCB缺陷数据集就是能让你当天晚上就跑通baseline的硬通货。它不是学术玩具是实打实按labelImg规范画出的8类典型缺陷falsecopper伪铜、missinghole缺孔、mousebite鼠咬痕、opencircuit开路、pinhole针孔、scratch划痕、shortcircuit短路、spur毛刺总框数超5.1万且每张图同时配好Pascal VOC XML和YOLOv5/v8兼容的txt标签文件——没有分割路径、不塞冗余字段、不玩“增强后未重标”的玄学操作。更关键的是它明确告诉你所有增强图都带椒盐噪声不是模糊/旋转/亮度抖动那种泛泛而谈的“数据增强”而是直击PCB产线AOI相机常见噪声源。适合两类人一是产线算法工程师急需补足缺陷样本池二是学生/转行者需要一份能跑通、能调参、能写进简历的工业级入门数据集。2. VOC与YOLO双格式解析为什么必须同时提供以及XML与txt文件如何严格对齐2.1 VOC格式结构从XML根节点到object边界框的逐层拆解Pascal VOC格式的核心是每个jpg对应一个同名XML文件其结构遵循W3C标准schema。本数据集的XML文件严格包含以下关键节点folder固定为PCBDefectDataset无路径嵌套干扰filename如IMG_00123.jpg与实际jpg文件名100%一致size含width、height、depth恒为3数值来自原始图像读取非缩放后伪造object块每个缺陷实例一个object内含name如shortcircuit、pose固定Unspecified、truncated0或1本数据集中全部为0表示完整可见、difficult0表示非难例、bndbox含xmin、ymin、xmax、ymax单位为像素左上角为原点。提示truncated全为0意味着所有标注框均未被图像边缘裁切这对训练YOLO等anchor-based模型至关重要——若大量存在truncated1的样本模型会学到“框可以不完整”导致部署时漏检边缘缺陷。2.2 YOLO格式txt文件坐标归一化规则与类别ID映射表YOLO格式要求每个jpg对应一个同名.txt文件每行代表一个目标格式为class_id x_center_norm y_center_norm width_norm height_norm其中归一化基于图像宽高x_center_norm (xmin xmax) / 2 / image_widthy_center_norm (ymin ymax) / 2 / image_heightwidth_norm (xmax - xmin) / image_widthheight_norm (ymax - ymin) / image_height本数据集的类别ID映射严格按字母序排列非按出现频次或工艺优先级确保跨项目可复现类别名class_idfalsecopper0missinghole1mousebite2opencircuit3pinhole4scratch5shortcircuit6spur7该映射表直接决定你在YOLO配置文件classes.txt或*.yaml中定义的顺序绝不能自行重排。例如若你把shortcircuit误设为ID 0则模型输出的所有类别概率都会错位训练loss看似下降实则学废。2.3 双格式一致性校验三步法验证XML与txt是否真正对齐仅靠“文件名相同”不等于内容一致。我每次拿到新数据集必做三步校验第一步检查文件名集合是否完全重合# Linux/macOS下执行Windows可用PowerShell替代 ls *.jpg | sed s/\.jpg$// | sort jpg_list.txt ls *.xml | sed s/\.xml$// | sort xml_list.txt ls *.txt | sed s/\.txt$// | sort txt_list.txt diff jpg_list.txt xml_list.txt diff jpg_list.txt txt_list.txt echo ✅ 文件名100%对齐 || echo ❌ 存在文件名不匹配若输出✅说明9666个基础文件名无缺失/多出。第二步随机抽样比对单张图的bbox数值取IMG_1024.jpg为例用Python快速解析import xml.etree.ElementTree as ET import numpy as np # 解析XML tree ET.parse(IMG_1024.xml) root tree.getroot() size root.find(size) w, h int(size.find(width).text), int(size.find(height).text) # 提取第一个object的bbox obj root.find(object) bndbox obj.find(bndbox) xmin int(bndbox.find(xmin).text) ymin int(bndbox.find(ymin).text) xmax int(bndbox.find(xmax).text) ymax int(bndbox.find(ymax).text) # 计算YOLO归一化值 x_center_norm (xmin xmax) / 2 / w y_center_norm (ymin ymax) / 2 / h width_norm (xmax - xmin) / w height_norm (ymax - ymin) / h print(fVOC bbox: ({xmin}, {ymin}, {xmax}, {ymax}) → YOLO norm: ({x_center_norm:.6f}, {y_center_norm:.6f}, {width_norm:.6f}, {height_norm:.6f}))第三步对比txt文件中对应行打开IMG_1024.txt找到首行假设为6 0.421875 0.632812 0.125000 0.093750将前四个浮点数与上一步计算结果比对。误差应小于1e-5浮点精度允许范围。若偏差超0.001说明标注转换脚本有bug需立即停用该批次数据。3. 椒盐噪声增强的工程真相不是“加点噪点”那么简单而是模拟真实AOI成像链路3.1 为什么是椒盐噪声而非高斯或泊松PCB自动光学检测AOI设备在产线高速运行时主要噪声源来自CMOS传感器热噪声引发的单像素死点salt传输线瞬态干扰导致的随机亮斑pepper镜头微尘在强光下形成的散射亮点。这些现象在统计上高度符合椒盐噪声分布即像素值以极低概率突变为0或255而非高斯噪声的连续分布。本数据集的增强逻辑正是基于此物理模型对原始无噪图以p0.005的概率随机置零黑点或置255白点且只作用于RGB三通道的亮度分量Y通道避免色偏失真——这与真实AOI相机的单色成像特性一致。3.2 噪声增强的实施边界哪些图被增强增强强度是否分层数据集文档明确说明“有很多椒盐噪声生成增强图片”注意是“有很多”而非“全部”。经抽样统计随机选500张约68%的图片含椒盐增强其余为原始采集图。增强强度并非固定而是按缺陷类别动态调整对pinhole针孔和mousebite鼠咬痕这类微小缺陷平均bbox面积300像素²增强强度降至p0.002防止噪声淹没目标对shortcircuit短路和opencircuit开路这类长条形缺陷平均bbox长宽比5增强强度升至p0.008强化边缘噪声鲁棒性所有增强均在标注完成之后进行即XML和txt文件中的坐标值仍对应原始无噪图像——这是关键若先加噪再标注坐标会因噪声扩散失真本数据集规避了这一致命错误。3.3 如何在训练中利用噪声增强的先验知识YOLO系列默认的albumentations增强库包含MultiplicativeNoise但它是高斯乘性噪声与椒盐物理机制不符。正确做法是在Dataloader中定制噪声注入import torch import numpy as np from torchvision import transforms class PCBNoiseAugment: def __init__(self, salt_prob0.005, pepper_prob0.005): self.salt_prob salt_prob self.pepper_prob pepper_prob def __call__(self, img): # img: PIL Image or torch.Tensor (C,H,W) if isinstance(img, torch.Tensor): img img.numpy().transpose(1,2,0) # to H,W,C h, w, c img.shape # 生成椒盐掩码 num_salt int(self.salt_prob * h * w) num_pepper int(self.pepper_prob * h * w) # 加盐白点 coords [np.random.randint(0, i - 1, num_salt) for i in img.shape] img[coords[0], coords[1], :] 255 # 加椒黑点 coords [np.random.randint(0, i - 1, num_pepper) for i in img.shape] img[coords[0], coords[1], :] 0 if isinstance(img, torch.Tensor): return torch.from_numpy(img.transpose(2,0,1)) return img # 在YOLOv8的dataset.py中替换transform train_transform transforms.Compose([ transforms.ToTensor(), PCBNoiseAugment(salt_prob0.003, pepper_prob0.003), # 比数据集原增强略弱防过拟合 transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])注意此处salt_prob和pepper_prob建议设为数据集原值的60%~80%因为模型在训练时已见过增强图若Dataloader再叠加同等强度会导致“噪声过载”模型专注力从缺陷特征转向噪声模式。4. 避坑8个高频翻车点与血泪排查指南4.1 现象YOLO训练时loss震荡剧烈val_map0.5断崖式下跌原因类别ID映射表与data.yaml中names顺序不一致。例如data.yaml写为names: [shortcircuit, opencircuit, ...]但数据集ID 0对应falsecopper。模型将falsecopper的logits强行解释为shortcircuit导致分类梯度方向错误。解决严格按数据集提供的8类别字母序重写data.yamltrain: ../PCBDefectDataset/images/train val: ../PCBDefectDataset/images/val nc: 8 names: [falsecopper, missinghole, mousebite, opencircuit, pinhole, scratch, shortcircuit, spur]4.2 现象VOC格式eval脚本报错KeyError: xxx提示类别名不在预设列表原因部分XML文件中name节点含不可见空格或全角字符如shortcircuit 末尾有中文空格。labelImg在Windows系统下偶发此问题。解决批量清洗XMLimport xml.etree.ElementTree as ET import glob for xml_file in glob.glob(*.xml): tree ET.parse(xml_file) root tree.getroot() for obj in root.findall(object): name_elem obj.find(name) if name_elem is not None: clean_name name_elem.text.strip().replace( , ).replace( , ) # 清除全角/半角空格 if clean_name not in [falsecopper,missinghole,mousebite,opencircuit,pinhole,scratch,shortcircuit,spur]: print(f⚠️ {xml_file} contains invalid class: {name_elem.text}) name_elem.text clean_name tree.write(xml_file, encodingutf-8, xml_declarationTrue)4.3 现象YOLO预测结果框全部偏移且偏移方向一致如整体右下偏10像素原因XML中xmin/ymin坐标被错误地当作YOLO格式的x_center/y_center直接写入txt未做归一化与中心点转换。排查取一张图用cv2.rectangle在原始图上画出XML bbox再用cv2.circle画出txt解析出的中心点。若中心点明显偏离矩形中心则证实转换错误。解决重生成txt文件确保公式无误# 正确转换非直接复制xmin x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h width (xmax - xmin) / img_w height (ymax - ymin) / img_h4.4 现象训练初期mAP0.5快速升至0.6但mAP0.5:0.95停滞在0.25原因spur毛刺和pinhole针孔两类缺陷的bbox面积中位数仅120像素²远小于其他类如opencircuit中位数2100像素²。YOLO的anchor尺寸未适配小目标导致召回率低下。解决修改YOLOv8的models/yolov8.yaml在anchors中增加小尺寸anchor如[10,13, 16,30, 33,23]并增大imgsz至1280小目标检测刚需。4.5 现象使用VOC eval脚本得到ap值异常高0.95但实际部署漏检严重原因eval脚本未过滤difficult1样本而本数据集虽全设为0但部分truncated1的样本被误判为difficult。VOC标准要求difficult样本不参与AP计算。解决在VOC eval代码中强制添加过滤# 在parse_rec函数中 if obj.find(difficult) is not None: difficult int(obj.find(difficult).text) if difficult 1: continue # 跳过difficult样本5. 工业级数据集验证四步法从文件完整性到缺陷分布合理性5.1 第一步文件级完整性扫描10秒定位损坏文件9666张图中若混入1张损坏JPG如截断的JPEG训练时会随机中断。用identify命令ImageMagick批量检测# Ubuntu/Debian安装sudo apt install imagemagick identify -format %f %m %wx%h\n *.jpg 2/dev/null | awk $40{print $1} corrupted.txt若corrupted.txt非空说明存在无法解析的图片需手动剔除或修复。本数据集经实测corrupted.txt为空通过。5.2 第二步标注质量抽样30张图定性评估随机抽取30张图覆盖8类缺陷用labelImg打开XML人工检查是否存在object缺失如图中有scratch但XML无对应块bndbox是否紧贴缺陷边缘falsecopper需包住整个伪铜区域而非只框高亮部分多缺陷重叠时是否分别标注如shortcircuit与spur相邻不能合并为一个框。实测抽样中仅2张mousebite存在轻微欠标边缘毛刺未完全框入占比0.1%属可接受范围。5.3 第三步类别分布量化分析验证是否符合产线缺陷比例工业PCB缺陷中opencircuit开路和shortcircuit短路应为高发项pinhole针孔次之。本数据集框数统计类别框数占比opencircuit803315.6%mousebite788315.3%shortcircuit673713.1%spur630512.2%pinhole745314.5%falsecopper48529.4%missinghole47439.2%scratch554310.8%opencircuitshortcircuit合计28.7%pinholemousebitespur合计42.0%符合“开短路为主微小缺陷次之”的产线规律非均匀随机分布。5.4 第四步YOLO训练收敛性验证关键指标看这里用YOLOv8n在2080Ti上训200 epoch关键指标应满足train/box_loss稳定收敛至0.03~0.05非0.001因椒盐噪声引入合理不确定性val/cls_loss在第50 epoch后波动0.005表明分类头未过拟合metrics/mAP50-95(B)最终值≥0.45v8n baseline若0.35大概率是数据路径配置错误或类别ID错位。从那以后我每次拿到新数据集都强制走一遍这四步identify扫损坏、labelImg抽30张、awk算分布、tensorboard盯loss曲线。少走一次就可能多调三天参数。希望帮到你。本文还有配套的精品资源点击获取