Advertisement

配网缺陷检测用无人机航拍图像数据集（涉及不规范绑扎与销钉缺失，含3400余张图片及VOC标注）

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

简介：
本数据集专为配网缺陷检测设计，涵盖3400多张无人机航拍图像，详细标注了不规范绑扎和销钉缺失情况，适用于训练深度学习模型。 内含3400多张配网缺陷检测无人机航拍图像，缺陷类别为绑扎不规范与销钉缺失，已利用labelimg软件对其进行标注，标签格式为voc（xml）。由于平台上传大小限制，具体内容可通过其他方式获取。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 配网缺陷检测用无人机航拍图像数据集（涉及不规范绑扎与销钉缺失，含3400余张图片及VOC标注）
    优质
    本数据集专为配网缺陷检测设计，涵盖3400多张无人机航拍图像，详细标注了不规范绑扎和销钉缺失情况，适用于训练深度学习模型。 内含3400多张配网缺陷检测无人机航拍图像，缺陷类别为绑扎不规范与销钉缺失，已利用labelimg软件对其进行标注，标签格式为voc（xml）。由于平台上传大小限制，具体内容可通过其他方式获取。
  • 风力发电机叶片缺陷检测图像数据集（含3584张图片，VOC标注，涵盖五种缺陷类型）
    优质
    本数据集包含3584张风力发电机叶片缺陷图像，采用VOC格式标注，全面覆盖裂纹、孔洞等五类典型缺陷，适用于深度学习模型训练与验证。 我们有3584张风力发电机缺陷图像数据集。这些图像经过增强处理（包括对比度变化扩充），以模拟不同环境下的航拍效果。标签格式采用VOC标准，具体类别及数量如下：漏油(OIL LEAKAGE)：753个；污秽物(dirt)：846个；掉漆(Paint)：2455个；侵蚀(LE-Erosion)：617个；胶带(PU-tape)：700个。
  • 夜间场景下的接触网绝缘子缺陷检测图像数据集（含400余张图片及VOC标签）
    优质
    本数据集专注于夜间环境下接触网绝缘子缺陷检测，包含超过400幅图像及其对应的VOC格式标注文件，为相关研究提供有力支持。 数据集包含400多张接触网绝缘子图像，这些图片已经按照正常与缺陷两种状态进行了标注，并使用VOC格式的标签。
  • 玻璃绝缘子串检测用航拍图像数据集（含600余张图片，VOC格式标注）
    优质
    本数据集提供用于无人机拍摄的玻璃绝缘子串检测图像，包含超过600张照片，并以VOC格式完成精确标注。 数据内容为玻璃绝缘子航拍图像数据集，包含600多张图像，并对其中的绝缘子和导线进行了标注，标签格式采用VOC标准。
  • 管道缺陷检测的数据集：含超900张图片及标签
    优质
    本数据集包含超过900张图像及其详细标注信息，专为训练管道缺陷检测模型设计，旨在提升检测精度和效率。 目标检测数据集在计算机视觉领域扮演着至关重要的角色，在工业检测、安全监控及自动驾驶等领域有着广泛的应用。本段落介绍的“管道缺陷检测数据集”包含超过900张用于训练和验证的图片及其对应的标注信息，为研究者与工程师提供了一个宝贵的学习资源。 该数据集特别适配于YOLO（You Only Look Once）系列的目标检测模型使用，因其高效准确及实时性强而被广泛应用于各种目标检测任务。本数据集中所有图像均已被处理成适合YOLO模型读取和使用的格式，并进行了相应的数据增强操作以提高其多样性与数量。 该数据集包括训练集和验证集两部分：前者用于让模型学习如何识别并定位管道中的缺陷，后者则在训练过程中评估性能表现。此外，还提供了一个show脚本帮助用户直观地查看边界框的绘制情况，并以此来评价检测效果的好坏。 目前，“defect”是唯一被定义的目标类别，在实际应用中这有助于提高工业设施的安全性与运行效率。通过学习不同缺陷类型的特征，模型能够更准确地区分并识别它们。 综上所述，该管道缺陷数据集不仅提供了大量高质量的标注图片和丰富的训练资源，还为开发高性能YOLO模型用于检测管道中的缺陷奠定了基础。
  • 输电线路螺栓销钉缺损检测图像数据集（1209张，大目标，VOC）
    优质
    本数据集包含1209张用于检测输电线路中螺栓和销钉缺损情况的图像，采用VOC格式标注，适用于目标识别与定位任务。 我们有一个包含1209张销钉缺失图像的数据集，并使用labelimg工具对这些图像进行了VOC格式（xml）的标注。标签类别分为正常与销钉缺失两类。利用这个数据集训练了yolov7目标检测模型，最终获得了mAP值为93.7%的成绩。
  • 电气类变电站缺陷检测数据集（含8000余张图片及voc标签）-第一部分.txt
    优质
    本数据集包含超过8000张图像和对应的VOC格式标注文件，旨在辅助电气类变电站设备的缺陷检测研究与应用。这是系列数据集的第一部分。 内含变电站缺陷检测数据集，包含8000多张高清图片及VOC格式xml标签文件，类别包括20多种，涵盖人员安全、设备缺陷、异物等检测内容。此数据集适用于电气工程专业在计算机视觉应用领域进行研究，例如目标检测、图像识别和深度学习等方面。 该数据集分为两个部分：第一部分为下载链接；第二部分包含提取码。由于价格上限限制，因此将两者分开提供，请理解这一安排。
  • 塔吊下方人员检测图像数据集（含1000余张图片，VOC标注）
    优质
    本数据集包含超过1000张针对塔吊作业环境下人员安全检测的图像，并附有详细的VOC格式标注信息，旨在提升施工现场的安全管理水平。 包含超过1000张塔吊上的视频监控图像，可用于检测站在塔吊下方的人物，并已使用labelimg进行了标注，标签格式为VOC标签。
  • 汽车缺陷检测图像数据集：采用VOC标注格式的目标检测数据集
    优质
    本数据集为汽车缺陷检测设计，基于VOC标准进行标注，包含大量标记清晰的目标检测图片，旨在促进自动驾驶与智能车辆领域的研究。 目标检测数据集：汽车缺陷检测图像数据集【VOC标注格式】，数据保存按照文件夹形式存放，经测试可以直接用于目标检测任务，无需额外处理。 【数据集详情】包含3000多张图片及对应的xml标注文件和类别信息的json文件。 标签类别包括门外凹痕、发动机罩凹痕、车身面板凹痕等17个类别。
  • 杆塔塔材锈损检测用航拍图像数据集（含1700余张图片及高斯噪声处理，附VOC标注）
    优质
    本数据集包含超过1700张杆塔塔材锈损的航拍图像，并提供高斯噪声处理版本，辅以详细的VOC标注信息。 用于检测塔材锈损的图像数据集，训练集中通过加入高斯噪声进行了扩充，并采用VOC格式的标签。