注意数据集中大约只有600张图片是原图剩余都是增强图片，大约按照1:9生成增强图片

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

图片数量(jpg文件个数)：5954

标注数量(xml文件个数)：5954

标注数量(txt文件个数)：5954

标注类别数：7

所在github仓库：firc-dataset

标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["chip_scratches","damaged_components","miscellaneous_tin","missing_components","pin_short_circuit","solder_joint_burrs","substrate_scratches"]

每个类别标注的框数：

chip_scratches（芯片划痕） 框数 = 4633

damaged_components（元件损坏） 框数 = 8464

miscellaneous_tin（杂散锡） 框数 = 263

missing_components（元件缺失） 框数 = 35864

pin_short_circuit（引脚短路） 框数 = 6035

solder_joint_burrs（焊点毛刺） 框数 = 258

substrate_scratches（基板划痕） 框数 = 6822

总框数：62339

每个类别占有图片数：

chip_scratches（芯片划痕） 占有图片数 = 3041

damaged_components（元件损坏） 占有图片数 = 4068

miscellaneous_tin（杂散锡） 占有图片数 = 249

missing_components（元件缺失） 占有图片数 = 5284

pin_short_circuit（引脚短路） 占有图片数 = 2884

solder_joint_burrs（焊点毛刺） 占有图片数 = 251

substrate_scratches（基板划痕） 占有图片数 = 3680

图片分辨率：640x640

使用标注工具：labelImg

标注规则：对类别进行画矩形框

重要说明：数据集没有划分训练验证测试集需自行划分

特别声明：本数据集不对训练的模型或者权重文件精度作任何保证

图片预览：

标注例子：