带标注的瓶盖缺陷分类数据集， 识别率99.3%，可识别瓶盖破损，瓶盖松动，无瓶盖，密封环断裂等常见问题，支持yolo，coco json，pascal voc xml格式
模型训练指标参数：
数据集拆分
训练集
2860图像
验证集
162图像
测试集
85图像
预处理
预处理尺寸调整：适配至 512×512 范围内
数据增强
单个训练样本输出数量：5
翻转：水平翻转
旋转：-15° 至 +15° 之间
边界框参数：旋转：-6° 至 +6° 之间
剪切变换：水平 ±6°、垂直 ±5°
亮度：0% 至 +6% 之间
数据集标签：
'brokenRing', 'brokencap', 'goodCap', 'loosecap', 'noCap'
brokenRing：防盗环破损 / 密封环断裂出现断裂、缺损，是饮料瓶最常见的瓶盖缺陷之一。
brokencap：瓶盖破损瓶盖本体开裂、缺角、碎裂、变形损坏，不只是环，整个盖子坏了。
goodCap：合格瓶盖 / 良品瓶盖无破损、无松动、位置正确，符合生产质量标准的正常瓶盖。
loosecap：瓶盖松动瓶盖旋紧力度不足、歪斜、未完全拧紧，存在漏液、漏气风险。
noCap：无瓶盖 / 缺盖瓶口完全没有瓶盖，属于严重缺失类缺陷。
数据集图片和标注信息示例：
数据集下载：
yolo26: https://download.csdn.net/download/pbymw8iwm/92766497
yolo v12:https://download.csdn.net/download/pbymw8iwm/92766490
yolo v11: https://download.csdn.net/download/pbymw8iwm/92766496
yolo v9:https://download.csdn.net/download/pbymw8iwm/92766493
yolo v8:https://download.csdn.net/download/pbymw8iwm/92766494
yolo v7:https://download.csdn.net/download/pbymw8iwm/92766491
yolo v5: https://download.csdn.net/download/pbymw8iwm/92766498
yolo darknet: https://download.csdn.net/download/pbymw8iwm/92766495
coco json: https://download.csdn.net/download/pbymw8iwm/92766492
pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92766489
YOLO模型训练
下载数据集之后解压到当前文件夹，然后将 我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py
注意，请根据你的GPU能力来适当调整训练参数，比如训练batch，patience，workers，以及模型类型（如果你的GPU硬件条件限制，可以联系作者进行付费模型训练，部分模型只需要一杯奶茶钱）
模型下载：
模型验证测试情况：
验证测试代码：
#需要安装pip install ultralytics from ultralytics import YOLO import cv2 # 加载训练好的 YOLO .pt 模型 model = YOLO('best.pt') # 替换为你实际的 .pt 模型文件路径 # 定义要测试的图片路径 image_path = './image.jpg' # 替换为你实际的图片文件路径 # 使用模型对图片进行预测 results = model(image_path) # 获取预测结果 for result in results: # 获取绘制了检测框的图片 annotated_image = result.plot() # 显示图片 cv2.imshow("YOLOv Inference", annotated_image) # 等待按键退出 cv2.waitKey(0) # 关闭所有 OpenCV 窗口 cv2.destroyAllWindows()推理结果：
{
"predictions": [
{
"x": 1028,
"y": 663,
"width": 876,
"height": 742,
"confidence": 0.942,
"class": "loosecap",
"class_id": 3,
"detection_id": "00efe564-f48f-43d7-9635-9ddbfa8e386b"
}
]
}
推理结果
{
"predictions": [
{
"x": 1075.5,
"y": 541.5,
"width": 1039,
"height": 855,
"confidence": 0.879,
"class": "brokenRing",
"class_id": 0,
"detection_id": "1cfd05ed-47e0-4c6c-8651-57815b18d14c"
}
]
}
