daipath/filter-inspection-data

滤光片外观质检数据集

IR-CUT 滤光片裁片的暗场成像图，来自 11 个采集包（样本7_27.zip）。

配套模型与开箱即用推理包：https://huggingface.co/daipath/filter-inspection

要上传新采集的数据？ → 上传工具/上传新数据指南.md 笔记本上跑，先体检后上传，自动剥掉 labelme 内嵌的图片副本（省约 98% 流量）。

pip install -U huggingface_hub
python upload_data.py "你的数据文件夹"          # 只体检
python upload_data.py "你的数据文件夹" --yes    # 真上传

---

📚 完整文档

文件	内容
docs/INDEX.md	项目总索引：四个仓库怎么选、三个核心结论、数据一览
docs/REPRODUCE.md	完整复现指南：环境、数据准备、逐个实验的命令与预期数字
docs/FILES.md	逐文件使用说明：41 个脚本、结果表字段、51 个训练产物目录
docs/RESULTS.md	全部实验结果：42 个模型完整榜单、分割 vs 分类同口径对决
docs/AUDIT.md	诚实性审计：四道审计的原理与结果，为什么这次的高分是真的
docs/CAVEATS.md	⚠ 已知问题与边界，上线前必读（含我犯过的评估口径错误）
docs/REPOS.md	四个仓库逐一说明与下载方式

---

规模

类别	张数
良品	1746
划痕（划）	1170
崩边（崩 + 侧面崩）	565
麻点（麻）	164
碎	64
不可擦脏	19
合计	3728

标注 1977 个 labelme JSON（多边形，label 字段恒为 defect，缺陷类型由文件夹名决定）。

目录

images/                  3728 张 PNG + 1977 个 labelme JSON，保持原始 11 包目录结构
splits/splitA/meta.csv   全混合 8:1:1 切分（train 2768 / val 434 / test 409）
splits/splitB/meta.csv   跨批次留包切分（test = 样本_38016_P08262014 整包）
splits/*/dropped.csv     被剔除的图与原因
inventory.csv            3728 张全量清点（批次/机器/工单/标注粒度/顶点数等）
metrics_fixed.csv        1948 张已标注图的几何指标（顶点密度、片体内比例等）

切分协议（重要）

• 分组单位 = **(包, session)**，同一次拍摄的图绝不跨 split
• 两套切分都实测 0 组跨 split（共 288 组）
• test 为锁箱，训练与选型全程不加载

命名规律

样本_38016_P08262014 → 批次 38016 / 机器 P08 / 工单 262014。 路径里没有的一律留空，未做任何推断——5 个包无机器号，2 个连批次号也没有。

已知数据质量问题（务必阅读）

• 良品标签约 3.3% 存疑（漏标的真缺陷）。已用客观门槛核查过，不是估计。
• 34 张缺陷图零监督（6 张缺 json + 28 张 shapes 为空），已在 dropped.csv 标出。
• 崩/侧面崩/碎 的标注多边形几乎整个画在片体外（片体内比例仅 1–3%）， 因为缺陷本身就是"材料缺了一块"。语义上成立，但直接栅格化做分割 GT 会有问题。
• 麻点标注口径不统一：多数包逐颗描（面积中位 0.15–0.64% 图幅）， 但 样本_38030_P15261973_2 是画大圈圈住密集区（中位 9.42%），差 20–60 倍。
• 标注精细度分两档：labelme 3.3.10 的包顶点中位 80（精描），5.11.4 的包顶点中位 12（粗框）。 样本_38031 两版本混装。
• 采集配置色调漂移：B 通道逐日 15→8→5，冷/暖两种配置。
• 判定规格缺失：多亮×多大的圆点算麻点、多长的划痕算不良，至今无书面判据。