无菌屏障包装的表面密封图像数据集
Julio Zanon Diaz1, Peter Corcoran1
1Electrical and Electronic Engineering, University of Galway, Galway, Ireland.
Data in brief
|November 7, 2024
概括
这项研究引入了1200个医疗器械包装密封图像的新数据集,用于自动化检查研究. 它包括缺陷图像和元数据,用于训练机器学习模型进行质量控制.
科学领域:
- 医疗设备包装 医疗设备包装
- 质量控制 质量控制 质量控制
- 机器学习 机器学习
背景情况:
- 医疗器械包装密封件的自动检查对于患者安全至关重要.
- 现有的数据集可能无法充分反映现实世界中的制造缺陷.
研究的目的:
- 引入一个新的,全面的数据集,用于培训和验证机器学习模型的自动密封检查.
- 为改善缺陷检测算法提供高分辨率图像与缺陷注释.
主要方法:
- 创建了1200个医疗器械袋图像的数据集,在完整和缺陷密封件之间进行平衡.
- 缺陷是根据常见的制造缺陷建模的,专家投入和高保真度图像采集.
- 图像包括二进制标签和细分面具用于缺陷定位.
主要成果:
- 该数据集提供了1200张医疗器械密封的高分辨率图像 (3008x4110x3像素).
- 包括精心制作的缺陷示例和相应的细分面具.
- 元数据可以轻松地集成到机器学习工作流程中.
结论:
- 这一数据集支持开发医疗器械包装的强大自动化检查系统.
- 促进机器学习应用程序的进步,用于医疗制造业的质量保证.
- 能够更准确,更有效地检测密封缺陷,提高产品的安全性.
