PCB （印刷电路板）缺陷是电子制造领域最频发的质量问题之一，精准高效的检测对产品可靠性保障、生产成本控制具有关键意义。随着深度学习在工业视觉领域的深度渗透，高质量标注数据集已成为缺陷检测模型落地的核心基石。本文将分享一份包含 10000 张图像的 PCB 缺陷检测数据集，适用于各类缺陷检测算法的研发与性能验证。

该数据集聚焦主流PCB产品类型，精准覆盖电子制造中 6 类典型缺陷：鼠咬（mouse_bite）、杂散铜（extraneous_copper）、铜毛刺（copper_spur）、缺孔（missing_hole）、开路（open_circuit）、短路（short_circuit）。通过工业相机在蚀刻、钻孔、焊接等关键生产环节实地采集，并经多轮人工筛选与标注校验，最终收录 10000 多张有效图像。数据涵盖不同光照条件PCB 材质及缺陷尺度，场景多样性强，完全贴合工厂真实检测环境。

部分数据集展示如下：

数据集有六类标签，分别为 鼠咬（mouse_bite）、杂散铜（extraneous_copper）、铜毛刺（copper_spur）、缺孔（missing_hole）、开路（open_circuit）、短路（short_circuit）。

需要处理后的数据集可V🔍：笑脸惹桃花 获取。