Advertisement

智慧工厂机械铸件缺陷检测数据集（VOC+YOLO格式，含4270张图片，8个类别）.zip

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

简介：
本数据集包含4270张图片和8种类别的标签，采用VOC与YOLO格式标注，专为智慧工厂机械铸件缺陷检测设计。 样本图展示如下： 文件存储于服务器，请务必在电脑端查看资源预览或详情后再进行下载。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，仅包括jpg图片及对应的VOC格式xml文件和yolo格式txt文件） 图片数量（jpg文件个数）：4270 标注数量（xml文件个数）：4270 标注数量（txt文件个数）：4270 标注类别总数：8 标注类别名称包括： - Casting_burr - Polished_casting - burr - crack - pit - scratch - strain - unpolished_casting

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 智慧工厂机械铸件缺陷检测数据集（VOC+YOLO格式，含4270张图片，8个类别）.zip
    优质
    本数据集包含4270张图片和8种类别的标签，采用VOC与YOLO格式标注，专为智慧工厂机械铸件缺陷检测设计。 样本图展示如下： 文件存储于服务器，请务必在电脑端查看资源预览或详情后再进行下载。 数据集格式：Pascal VOC格式+YOLO格式（不包含分割路径的txt文件，仅包括jpg图片及对应的VOC格式xml文件和yolo格式txt文件） 图片数量（jpg文件个数）：4270 标注数量（xml文件个数）：4270 标注数量（txt文件个数）：4270 标注类别总数：8 标注类别名称包括： - Casting_burr - Polished_casting - burr - crack - pit - scratch - strain - unpolished_casting
     
  • 轮毂缺陷检测数据集（VOC+YOLO格式，含1445张图片，7个类别）.zip
    优质
    本数据集包含1445张图片及对应的标注文件，适用于轮毂缺陷检测任务。采用VOC和YOLO两种格式，涵盖7种类别，方便用户根据需求选择使用。 样本图展示如下： 文件存放于服务器，请务必在电脑端查看资源详情后再进行下载。 数据集格式为Pascal VOC与YOLO格式（不包含分割路径的txt文件，仅包括jpg图片及其对应的VOC格式xml文件和yolo格式txt文件）。 图片数量：1445张 标注数量(xml)：1445个 标注数量(txt)：1445个 标注类别总数为7类： - Blue hole - Brake Thermal Cracks - Contact Fatigue Cracks - Out Of Roundness - Peeling - Rollerpile - flat
     
  • 变电站缺陷检测数据集(VOC+YOLO格式)含8307张图片，17个类别.7z
    优质
    本数据集包含8307张图像及标注信息，涵盖17类变电站设备缺陷，适用于目标检测任务，采用VOC和YOLO双格式存储。压缩文件后缀为.7z。 数据集格式采用Pascal VOC与YOLO两种格式，并且不含分割路径的txt文件，仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件。 - 图片数量（jpg文件个数）：8307 - 标注数量（xml文件个数）：8307 - 标注数量（txt文件个数）：8307 - 标注类别总数为17，具体名称如下： - bj_bpmh - bj_bpps - bj_wkps - bjdsyc - gbps - hxq_gjbs - hxq_gjtps - jyz_pl - kgg_ybh - sly_dmyw - wcaqm - wcgz - xmbhyc - xy - yw_gkxfw - yw_nc - ywzt_yfyc
     
  • 航空发动机缺陷检测数据集（VOC+YOLO格式），含291张图片和4个类别.7z
    优质
    本数据集包含291张图片及四个类别的标注信息，采用VOC与YOLO格式存储，专为训练航空发动机缺陷检测模型设计。 数据集格式采用Pascal VOC与YOLO两种格式结合的方式（不含分割路径的txt文件，仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件）。 图片数量：291张 标注数量：291个（包括xml和txt文件） 标注类别总数为4种： 标注类别名称分别为：“crease”、“damage”、“dot”、“scratch”。
     
  • 智慧工地扬尘监测数据集（VOC+YOLO格式，含3382张图片，1个类别）.zip
    优质
    本数据集包含3382张图片及对应标签，专为智慧工地中的挥发性有机化合物(VOC)检测设计，并以YOLO格式存储，便于模型训练与应用。 样本图：文件过大，请在电脑端资源详情页面查看并下载。 数据集格式为Pascal VOC与YOLO格式（不含分割路径的txt文件），仅包含jpg图片及其对应的VOC格式xml文件和yolo格式txt文件。 图片数量（jpg文件个数）：3832 标注数量（xml文件个数）：3832 标注数量（txt文件个数）：3832 标注类别数目为1，具体名称为“yangchen”。 每个类别的矩形框总数： “yangchen” 类别中的矩形框 = 3832 总矩形框数量：3832 使用工具：labelImg 标注规则：对目标进行矩形标记 重要说明：无特殊要求。 特别声明：本数据集不保证训练模型或权重文件的精度，仅提供准确合理的标签信息。
     
  • [数据集][目标检测]轴承划痕缺陷检测数据集（VOC+YOLO格式，含1166张图片，1个类别）.docx
    优质
    本数据集提供用于轴承划痕缺陷检测的图像样本，包含1166张图片及标注文件，支持VOC和YOLO两种格式，有助于目标检测模型训练与评估。 轴承缺陷检测在工业领域至关重要，尤其是对于那些关键的旋转部件如轴承来说更是如此。因为这些设备的状态直接影响到整个机械系统的稳定性和安全性，早期发现并处理这些问题可以避免重大事故的发生，并且减少经济损失的同时保障人员的安全。 划痕是轴承表面常见的损伤形式之一。这种类型的损坏可能会导致应力集中、加剧磨损以及缩短使用寿命等问题。为了应对这一挑战，研究人员开发了专门用于检测这些缺陷的自动方法，而构建高质量的数据集则是实现这类技术的基础条件。 本数据集专注于识别轴承上的划痕问题，并包含1,166张图片，以Pascal VOC和YOLO两种格式提供。其中每一幅图像都经过准确标注，使用的是labelImg工具进行矩形框的绘制来标定目标物体的位置信息。“scratch”（即“划痕”）是唯一的一个分类标签，在整个数据集中共有1,166个这样的标记。 除了图片之外，此数据集还提供相应的VOC格式xml文件和YOLO格式txt文件。前者记录了每个标注的精确位置及类别详情；后者则以简洁的形式提供了目标边界框的信息，便于快速检测算法的应用。 在使用本数据集进行模型训练前，请注意制作者声明不对任何由此生成的具体模型性能作出保证承诺。也就是说尽管提供的数据质量较高，但最终结果还需依赖于所选算法的特性以及额外的数据和方法来进一步优化。 实践应用中，这样的资源可以被广泛用于机器学习与深度学习框架下的实验研究，在工业视觉检测、品质控制及自动化维护等场景中有显著的应用潜力。通过训练出高效的识别模型，能够实现对轴承表面缺陷如划痕的高度自动化的快速鉴定过程，从而降低人工检查的负担和误差率，并提高整个生产流程中的效率。 总的来说，这个专门针对轴承划痕问题的数据集为科研人员和技术工程师们提供了一个有价值的资源来开发及评估计算机视觉技术在工业检测领域的应用。随着数据集不断改进和完善以及算法优化的发展趋势下，未来有望实现更加精准且高效的缺陷识别解决方案以确保机械设备的安全稳定运行。
     
  • 智慧交通施工锥形桶路障检测数据集（VOC+YOLO格式，含9454张图片，5个类别）.zip
    优质
    该数据集包含9454张图片，涵盖五种类别，以VOC和YOLO格式提供，专为智慧交通中的施工锥形桶路障检测设计。 样本图示例： 文件存储于服务器上，请务必在电脑端资源详情页面查看并下载。 重要提示：数据集由视频截取而来，因此包含大量重复场景图片，请仔细确认符合要求后再进行下载。 数据格式： - Pascal VOC 格式 + YOLO 格式（不包括分割路径的 txt 文件，仅包含 jpg 图片、VOC 格式的 xml 文件及 yolo 格式的 txt 文件） 图片数量 (jpg 文件个数)：9454 标注数量 (xml 文件个数)：9454 标注数量 (txt 文件个数)：9454 类别总数：5 类别名称： - barrel, bluecone, construction, redcone, yellowcone 各类别的框数分别为： - barrel: 21 - bluecone: 8056 - construction: 4652 - redcone: 5473 - yellowcone: 10775 总框数：28977 使用标注工具：labelImg 标注规则：对类别进行矩形框标记。
     
  • 智慧农场农田与农机航拍检测数据集（VOC+YOLO格式，含4596张图片，4个类别）.zip
    优质
    本数据集包含4596张图片，涵盖农田及农机设备的航拍图像，并提供VOC和YOLO两种标注格式，支持四种不同类别的精准识别。 样本图展示在服务器上，请务必通过电脑端资源详情页面查看并下载。 重要提示：数据集的一半经过了增强处理，由于文件超过1GB，建议使用百度云盘进行下载。 **数据格式**： - Pascal VOC 格式 + YOLO 格式（不包含分割路径的txt文件，仅提供jpg图片及对应的VOC格式xml文件和yolo格式txt文件） **图像数量 (jpg 文件个数)**：4596 **标注数量 (xml 文件个数)**：4596 **标注数量 (txt 文件个数)**：4596 **类别总数**：4 具体类别名称及框的数量： - car: 7345 - people: 7958 - tractor: 6177 - van: 7524 总标注数量（所有框）：29004 使用的标签工具为 LabelImg，标注规则是对每个类别进行矩形框标记。 **特别说明**: 提供的数据集不保证训练模型或权重文件的精度，仅确保提供的标注准确且合理。
     
  • 下水管道缺陷检测数据集（含7类标签，1717张图片，YOLO+VOC格式）.zip
    优质
    本数据集包含1717张图像，涵盖七种类别标签，旨在用于训练和评估下水管道缺陷检测模型。以YOLO及VOC格式提供，便于研究者应用与开发。 数据集格式：VOC格式+YOLO格式 压缩包内包含三个文件夹： 1. JPEGImages 文件夹存储了 1717 张 JPG 图片。 2. Annotations 文件夹包含了与图片对应的 1717 个 XML 标注文件。 3. labels 文件夹有用于 YOLO 格式的 1717 个 TXT 文本标注文件。 标签种类共有七种，分别为：chuanru（穿入）、cuokou（错口）、duiji（堆积）、laji（垃圾）、liefeng（裂缝）、nitu（泥土）和 shugen（树根）。每个类别对应的框数如下： - chuanru 框数 = 328 - cuokou 框数 = 200 - duiji 框数 = 884 - laji 框数 = 610 - liefeng 框数 = 836 - nitu 框数 = 187 - shugen 框数 = 356 总框数量为：3401。 图片的清晰度较高，且未经过数据增强处理。标签形状采用矩形框形式以实现目标检测和识别任务。 重要说明： 暂无其他特别需要声明的内容。 请注意，本数据集不保证用于训练模型或生成权重文件时的具体精度表现，仅提供准确合理的标注信息。