Advertisement

PCB板缺陷检测数据集（北大693数据增强版，含6930样本）

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本数据集为北京大学研发的PCB板缺陷检测数据集的增强版本，包含6930个样本，旨在提升机器学习模型对电路板缺陷识别的准确性。 PCB板缺陷检测数据集（北京大学693数据增强版，共6930个样本）。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • PCB板缺陷检测数据集（北大693数据增强版，含6930样本）
    优质
    本数据集为北京大学研发的PCB板缺陷检测数据集的增强版本，包含6930个样本，旨在提升机器学习模型对电路板缺陷识别的准确性。 PCB板缺陷检测数据集（北京大学693数据增强版，共6930个样本）。
  • 基于目标检测的PCB缺陷检测数据集（含693张图片），由北京大学创建
    优质
    本数据集由北京大学创建，专注于印刷电路板(PCB)的缺陷检测，包含693张高质量图像，旨在推动基于目标检测技术的研究与应用。 在对原始的PCB数据集进行检测过程中发现，在训练300轮次之后会出现过拟合现象，原因在于该数据集的数量较少，仅有693张图片。通常情况下，目标检测的数据集应至少包含数千甚至上万张图像才能获得较好的效果。因此，我们采用SRGAN（超级分辨率生成对抗网络）对原始数据进行了增强处理，将数据量从最初的693张扩充到了10688张。 上传的原始PCB数据集中包含了全部图片及其对应的标签信息，这些资料是由北京大学团队制作并提供的，并非通过数据扩增后的结果。SRGAN技术的应用可以有效地提高印刷电路板图像分辨率，从而实现更准确的缺陷检测和分析功能。如果有需要对其他数据集进行扩充或获取10688张的数据集，请直接联系我方咨询相关事宜。 超级分辨率生成对抗网络（Super Resolution Generative Adversarial Networks, SRGAN）是一种用于提升图像清晰度的深度学习技术，能够帮助提高印刷电路板图片的质量，进而使模型更准确地识别和定位缺陷。
  • PCB缺陷图像数据集-含693张JPG图片
    优质
    本数据集包含693张JPEG格式的PCB（印刷电路板）缺陷图像，旨在为机器学习算法提供训练和测试资源，以提高对PCB缺陷检测的准确性和效率。 PCB缺陷数据集包含693个jpg文件。
  • PCB缺陷检测数据集-VOC.rar
    优质
    PCB缺陷检测数据集-VOC包含用于印刷电路板(PCB)质量控制的图像和标注文件。该资源适用于训练机器学习模型识别并分类PCB上的各种缺陷，助力提高生产效率与产品质量。 PCB板缺陷检测数据集包含几百张图像，标签采用VOC格式，可以直接使用。
  • 缺陷检测数据集
    优质
    本数据集包含多种工业产品在生产过程中的图像和相关信息，旨在帮助识别并分类各种制造缺陷，提升产品质量控制效率与精度。 缺陷检测/瑕疵检测数据集包括含有瑕疵图片的训练集和验证集。
  • 太阳能光伏板热缺陷检测数据集（含277个样本及环境数据）
    优质
    本数据集包含277个太阳能光伏板样本及其对应的环境参数，旨在支持光伏板热缺陷的有效识别与分析。 该数据集包含太阳能光伏电池板的红外图像及温度、风速、照度等相关环境参数，主要用于对光伏系统进行热表征分析，并能够识别蜗牛痕迹和热点故障问题。此数据集适用于电气工程专业以及人工智能、深度学习和机器学习等领域的研究工作。
  • PCB缺陷数据集.rar
    优质
    本资料包包含了一个用于机器学习和计算机视觉研究的PCB（印制电路板）缺陷检测的数据集。内含大量标注清晰的图片及对应标签，适用于训练识别算法模型。 该数据集包含五种常见的PCB缺陷类别。
  • 光伏板缺陷检测的数据集（目标检测）
    优质
    本数据集专为光伏板缺陷检测设计，采用目标检测技术，包含大量标注清晰的光伏组件图像，旨在提升太阳能电站运维效率和光伏发电性能。 本数据集包含用于光伏板缺陷检测的图片及标签文件，适用于YOLO系列、Faster R-CNN、SSD等多种模型训练。数据集中共有2400张图片，标注了三种类型的缺陷：Crack（裂缝）、Grid（网格）和Spot（斑点）。文件中包括图片、txt格式的标签以及描述类别信息的yaml文件，并且还包括xml格式的标签文件。已将所有图像及对应的txt标签划分为训练集、验证集和测试集，可以直接用于YOLO算法的训练。
  • PCB缺陷识别的数据集与目标检测
    优质
    本数据集专注于PCB（印制电路板）缺陷识别，采用先进的图像处理技术，旨在提升电子制造业中的自动检测精度。通过深度学习模型进行目标检测，有效减少人工检查误差和成本。 PCB缺陷数据已在实际生产线上收集并已分类，这些数据非常宝贵。
  • 布匹缺陷检测的小样本数据集（经典案例，含教程）
    优质
    本资料提供了一个关于布匹缺陷检测的小规模数据集，并详细介绍了如何使用该数据集进行模型训练的经典案例及操作教程。 该数据集从网上收集并整理而成；包含25张图像（无缺陷、A缺陷、B缺陷、C缺陷、D缺陷各5张），每张图像大小为256x256x3；使用方法如下：1. 使用datastore方式读取图像数据，应用于深度学习卷积网络。2. 分类预测应用的编程实例可以在视频45.26中查看。