RFDD：基于计量学的高质量数据集，用于高速铁路紧固件缺陷检测

《Scientific Data》：RFDD: A High-Quality Dataset based on Metrology for Fastener Defect Detection in High-Speed Railways

　　

摘要

本文介绍了铁路扣件缺陷数据集（RFDD），这是一个高质量、以测量为导向的基准数据集，专为高速铁路基础设施的智能检测而设计。与那些主要依赖经过裁剪的单个扣件图像且缺陷类别有限的现有数据集不同，RFDD保留了完整的铁路检测场景，并基于可测量的运营维护标准制定了工程化的缺陷定义。该数据集包含1,350张高分辨率的全场景图像（2048×2021像素），其中标注有超过8,100个扣件实例，包括1个正常类别以及5种典型的缺陷类型：缺失、反装、位移、变形和断裂。该数据集是依据涵盖几何形状、光学特性、边界渐变、噪声、纹理和遮挡等六个方面的视觉一致性原则构建的，从而确保了测量上的一致性和工程上的真实性。所有图像都保持了原始的多扣件空间布局，并配有高精度的像素级语义标注。此外，还使用多种最先进的检测算法对数据集进行了全面的技术验证。实验结果表明，RFDD为在真实的铁路检测环境中评估先进的计算机视觉算法和智能传感系统提供了真实、可靠且具有挑战性的基准。