데이터 셋
식품 포장용기 외관 비전 검사를 위한 5종 분류 이미지 데이터셋 (13,369건)
도시락 용기(ss-117-3) 흡수패드 부착·포장 공정에서 촬영한 용기 상면 이미지와 정상 및 불량 4종(용기파손, 이물, 위치이탈, 패드없음) 클래스 라벨 데이터입니다. 원본 2048×1536 PNG 13,369장으로 구성되며, 폴더 구조 및 labels.csv 파일(경로, 파일명, class_id, class_name, split 포함)을 함께 제공합니다. 데이터는 학습(9,978건), 검증(2,496건), 독립 평가(895건)로 분할되어 있습니다.
데이터 셋 정보
| 업종 | 식품 | 유형 | CSV | |
|---|---|---|---|---|
| 목적 | 품질 보증 | 데이터 등록일 | 2026-08-14 05:26:56 | |
| 사용조건 | 콘텐츠 변경 허용 | 데이터셋 수정일자 | ||
| 제공기관 | 코드베이스(CodeBase) | |||
| 태그 | 비전검사, 이미지분류, 불량검출, 식품포장용기, 흡수패드, 이물검출, YOLO11 | |||
| 내용 | 적용 공정 | 포장 공정 중 도시락 용기 흡수패드 부착 및 포장 검사 공정(품질 관리 최종 단계). 고속 컨베이어를 통과하는 정육 포장용기(ss-117-3) 상면 전체(중앙 흡수패드 및 테두리)를 산업용 카메라로 자동 촬영합니다. | ||
| 소개 | 육안 검사에 의존하던 식품 포장용기 외관 검사를 자동화하기 위해 구축된 데이터셋입니다. 미세 이물 검출 및 불량을 정상으로 오판하는 '언더킬(under-kill)' 최소화에 초점을 맞췄습니다. 본 데이터셋으로 학습된 2단 Cascade 모델(YOLO11m-cls + YOLO11m)은 독립 현장 평가셋에서 불량 검출률 99.62~99.74%, Macro F1 96.11~98.54%, 추론 속도 약 90ms를 기록했습니다. 실제 현장의 클래스 불균형, 조명 변화, 미세 이물 조건이 반영되어 있어 산업용 머신비전 모델 연구 및 실증에 유용합니다. | |||
| 수집방법 | 포장 라인 비전 검사기에서 고정된 카메라와 조명 조건으로 용기 상부를 자동 촬영(PNG 저장)하고 MES 연동 메타데이터를 결합했습니다. 조명 변화에 대응하기 위해 정상 이미지는 3개 세션에서 수집했습니다. 1장당 1개 라벨을 부여하는 단일 라벨 다중 클래스 방식을 적용하고 품질 담당자 검수를 거쳐 라벨 오류를 정정했습니다. | |||
| 소개 | 육안 검사에 의존하던 식품 포장용기 외관 검사를 자동화하기 위해 구축된 데이터셋입니다. 미세 이물 검출 및 불량을 정상으로 오판하는 '언더킬(under-kill)' 최소화에 초점을 맞췄습니다. 본 데이터셋으로 학습된 2단 Cascade 모델(YOLO11m-cls + YOLO11m)은 독립 현장 평가셋에서 불량 검출률 99.62~99.74%, Macro F1 96.11~98.54%, 추론 속도 약 90ms를 기록했습니다. 실제 현장의 클래스 불균형, 조명 변화, 미세 이물 조건이 반영되어 있어 산업용 머신비전 모델 연구 및 실증에 유용합니다. | |||
| 데이터개수/데이터셋 총량 | 26558개 / 2478366Byte | |||
데이터 셋 구성
| 번호 | 이름 | 구분 | 형식 | 용량 |
|---|---|---|---|---|
| 1 | 2차_분류기.csv | CLEAN | CSV | 118.2 KB |
| 2 | 1차_분류기_메타데이터.csv | RAW | CSV | 821.4 KB |
데이터 항목
| 번호 | 컬럼명 | 속성명 | 설명 | 데이터 타입 | 길이 | NULL | KEY |
|---|---|---|---|---|---|---|---|
| 1 | ymax | 바운딩박스 하단 경계 절대 픽셀 좌표 (PascalVOC 형식) | INT | 0 | |||
| 2 | box_area_px | 바운딩박스 면적(픽셀²). (xmax−xmin) × (ymax−ymin) 파생값. 이물 크기 분포 확인용 | INT | 0 | |||
| 3 | file_path | 데이터셋 기준 상대경로 (예: foreign_det_dataset/images/train/[10000].png). split 폴더 구분 포함 | VARCHAR | 0 | |||
| 4 | file_name | 이미지 파일명. 라벨(XML/TXT)과 확장자만 다른 동일 파일명으로 1:1 매칭되는 매칭 키 | VARCHAR | 0 | |||
| 5 | split | 데이터셋 분할 구분. train 학습(497장/635박스) / val 검증(125장/177박스) | VARCHAR | 0 | |||
| 6 | img_width | 원본 이미지 가로 픽셀 수. 전체 2048 고정 | INT | 0 | |||
| 7 | img_height | 원본 이미지 세로 픽셀 수. 전체 1536 고정 | INT | 0 | |||
| 8 | box_id | 동일 이미지 내 바운딩박스 일련번호(0부터). 이미지 1장당 이물 1~7개 | INT | 0 | PK | ||
| 9 | class_id | 객체 클래스 ID. 단일 클래스이므로 0 고정 | INT | 0 | |||
| 10 | class_name | 클래스명. foreign_object 고정 | VARCHAR | 0 | |||
| 11 | cx_norm | 바운딩박스 중심 X. 이미지 너비 대비 0~1 정규화 (YOLO 형식, 소수 6자리) | FLOAT | 0 | |||
| 12 | cy_norm | 바운딩박스 중심 Y. 이미지 높이 대비 0~1 정규화 (YOLO 형식, 소수 6자리) | FLOAT | 0 | |||
| 13 | w_norm | 바운딩박스 너비. 이미지 너비 대비 0~1 정규화 (YOLO 형식, 소수 6자리) | FLOAT | 0 | |||
| 14 | h_norm | 바운딩박스 높이. 이미지 높이 대비 0~1 정규화 (YOLO 형식, 소수 6자리) | FLOAT | 0 | |||
| 15 | xmin | 바운딩박스 좌측 경계 절대 픽셀 좌표 (PascalVOC 형식) | INT | 0 | |||
| 16 | ymin | 바운딩박스 상단 경계 절대 픽셀 좌표 (PascalVOC 형식) | INT | 0 | |||
| 17 | xmax | 바운딩박스 우측 경계 절대 픽셀 좌표 (PascalVOC 형식) | INT | 0 |