Advertisement

东北大学带钢瑕疵分类数据集

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

简介：
本数据集由东北大学研究团队构建，专注于带钢表面瑕疵的机器视觉识别，包含大量标注图像，旨在促进钢铁工业质量控制技术的发展。 东北大学带钢缺陷分类数据集包括开裂、内含物、斑块、点蚀表面、轧制氧化皮和划痕六个类别。每个类别的图像经过数据增强处理，共有2400张图片。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 东北大学带钢瑕疵分类数据集
    优质
    本数据集由东北大学研究团队构建，专注于带钢表面瑕疵的机器视觉识别，包含大量标注图像，旨在促进钢铁工业质量控制技术的发展。 东北大学带钢缺陷分类数据集包括开裂、内含物、斑块、点蚀表面、轧制氧化皮和划痕六个类别。每个类别的图像经过数据增强处理，共有2400张图片。
     
  • 东北大学钢带表面瑕疵检测数据集（采用YOLO格式）
    优质
    该数据集专为东北大学研发，基于YOLO格式设计，用于训练和测试钢带表面瑕疵检测模型，促进工业视觉检测技术进步。 可以直接适配YOLO网络的数据格式。
     
  • 带钢表面瑕疵检测用图像数据集
    优质
    本数据集专为带钢表面瑕疵检测设计，包含大量高清图像样本及标注信息，适用于深度学习模型训练与测试，助力提高工业自动化水平。 该带钢表面缺陷检测数据集包含六种不同的缺陷类型：龟裂（crazing）有300个文件，斑点（patches）有342个文件，夹杂（inclusion）有382个文件，坑蚀表面（pitted_surface）有301个文件，氧化皮压入（rolled-in_scale）有300个文件以及划痕（scratches）同样包含300个文件。所有缺陷的标注信息均以xml格式提供。
     
  • 东北大学的带钢表面缺陷数据集
    优质
    简介：东北大学的带钢表面缺陷数据集是一个专注于钢铁制造行业质量控制的数据集合，用于检测和分类带钢生产过程中的各种表面缺陷。该数据集为研究人员提供大量标注图像样本，以推动机器学习算法在工业视觉检测领域的应用与创新。 东北大学带钢表面缺陷数据集
     
  • NEU-DET钢铁表面瑕疵数据集
    优质
    NEU-DET钢铁表面瑕疵数据集是由东北大学研究团队精心打造的专业数据库，包含大量高分辨率图像，用于检测和分类钢铁产品制造过程中的各类缺陷。 钢材表面缺陷数据集由东北大学宋克臣团队制作而成，包含1800张图片，涵盖六种类型：crazing（龟裂）、inclusion（夹杂）、patches（斑点）、pitted_surface（凹坑）rolled-in_scale（氧化皮压入）和scratches（划痕）。
     
  • AITEX钢轨表层瑕疵检测数据集
    优质
    AITEX钢轨表层瑕疵检测数据集是一套专为铁路安全设计的数据集合，包含大量高清图像及详细标注信息，用于训练机器学习模型识别和分类钢轨表面的各种缺陷。 这段文字描述了包含原始数据、有缺陷的数据以及无缺陷的数据，并提到了用于分割的缺陷位置掩膜图片。
     
  • 瑕疵检测数据集
    优质
    瑕疵检测数据集是一系列用于训练机器学习模型识别产品或材料表面缺陷和损伤的数据集合，涵盖多种工业应用场景。 缺陷检测数据集用于训练缺陷检测神经网络。可以从GitHub上的DEye项目下载该数据集。
     
  • NEU-DET钢材表层瑕疵识别数据库
    优质
    NEU-DET钢材表层瑕疵识别数据库是由科研人员精心构建的一个专注于钢材表面缺陷检测的数据集。该数据库收录了大量高质量的工业图像及详细标注信息，旨在促进机器学习算法在钢铁产品质量控制领域的应用研究和技术创新。 NEU-DET钢材表面缺陷检测数据集提供了用于识别和分类钢材表面各种缺陷的图像样本。该数据集旨在帮助研究人员和工程师开发更精确、高效的自动化检测系统，以提高生产效率并确保产品质量。
     
  • 咖啡豆瑕疵检测数据集
    优质
    咖啡豆瑕疵检测数据集包含大量标注图片，用于机器学习模型识别和分类有缺陷或质量低下的咖啡豆。此资源旨在提高咖啡生产和加工效率。 咖啡豆缺陷检测数据集包含1400多张正面拍摄的高质量图片，涵盖了三种类型的咖啡豆。这些图像用于训练和验证模型以进行咖啡豆缺陷检测。