采集的齿轮图像数据来自某汽车齿轮生产公司，经过上述设计的图像采集硬件设备拍摄得到。齿轮端面共采集2675张图像数据，其中包含346张并不存在缺陷的齿轮端面负样本数据，剩余2329张图像则是含有端面缺陷的正样本。在实际工业齿轮端面的缺陷检测中，主要是检测齿轮有无倒角，磕碰、黑皮等缺陷问题很少会出现在齿轮的端面上；齿轮齿面共采集6763张图像数据，其中包含1337张并不存在缺陷的齿轮齿面负样本数据，剩余5426张图像则是含有齿面缺陷的正样本数据。  

在收集并统计齿轮图像数据后，需要对数据集进行筛选剔除和适当的处理工作。对于含有缺陷的正样本数据来说，首先需要将由于曝光度不足而导致图像偏暗的数据进行剔除。如下图，此类图像数据由于曝光度不足，导致缺陷特征不明显难以进行后续的数据标注工作。

如下图，该类图像数据由于缺陷的边缘特征不明显，难以与周围背景区域进行明显的区分，将此类图像加入数据集会造成一定程度的干扰，导致YOLOv8s算法模型难以准确的进行缺陷特征的学习，提升算法缺陷识别的难度。

如下图，此类数据缺陷的信息占比过少而无用的信息占比过多，不仅会形成干扰而且会影响算法的检测速度，此类问题在磕碰类的缺陷数据尤为明显，因此对无用的背景信息过多的图像进行了适当的裁剪。同时对于无缺陷的负样本数据，并未选择全部丢弃，而是选取一部分清晰、明显、干净的数据加入数据集中。