Advertisement

风力涡轮机损伤检测图像数据集(含400余张图片,VOC标注)

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


简介:
本数据集包含超过400张风力涡轮机损伤检测图像,并附有VOC格式标注文件,为机器学习和计算机视觉研究提供有力支持。 风力涡轮机损伤检测图像数据集包含400多张图像,采用VOC标签格式。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 400VOC
    优质
    本数据集包含超过400张风力涡轮机损伤检测图像,并附有VOC格式标注文件,为机器学习和计算机视觉研究提供有力支持。 风力涡轮机损伤检测图像数据集包含400多张图像,采用VOC标签格式。
  • 表面及yolo格式
    优质
    本数据集包含超过一万张图像,专为风力涡轮机表面损伤检测设计,并提供YOLO格式标签,适用于训练和评估机器学习模型。 该数据集包含用于风力涡轮机表面损坏检测的无人机航拍分块图像,共约1万张图片,其中3000张左右附有标签。标签文件为txt格式,并采用yolo标准进行标注,涵盖脏污和损坏两种缺陷类型。此数据集适用于图像识别、目标检测等计算机视觉应用领域。
  • 钢绞线导线1200VOC格式
    优质
    本数据集包含超过1200张钢绞线导线损伤的高质量图像,采用VOC格式精确标注,为电力设备维护与智能监测提供重要研究资源。 该数据集包含钢绞线损伤检测的图像,并且已经对损伤点进行了VOC格式的标注。请注意这些图像是非运行中的导线照片,不是航拍图像。
  • 发电逾万VOC),有意者请私信,将及时回复。
    优质
    本数据集包含超过一万张用于风力发电机叶片损伤检测的图像,并附有详细的VOC标注信息。欢迎对此感兴趣的学者和研究者通过私信联系我们获取更多详情。 风力发电机叶片损伤检测图像数据集包含1万多张PNG格式的图片及其对应的VOC标签(TXT格式),无需转换即可直接用于YOLO、SSD、Faster-RCNN等网络模型训练与测试。该数据集中包括油污和损伤两种类型的标注信息,适合相关研究者使用。 价格为45元。欢迎有需求的研究人员对比并购买此数据集。
  • 小尺寸太阳能电池板用可见光1000VOC格式
    优质
    本数据集提供超过一千幅针对小尺寸太阳能电池板损伤情况的高精度可见光图像,每张图片均采用VOC标准进行详细标注。旨在促进相关领域研究与应用的发展。 小太阳能电池板损伤检测可见光图像数据集包含1000多张图片,并使用VOC格式标签。
  • 塔吊下方人员1000VOC
    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。
  • 输电线路绝缘子红外VOC900
    优质
    本数据集包含超过900张针对输电线路绝缘子进行红外成像检测的图片,并采用VOC格式标注,旨在促进电力设备故障诊断技术的发展。 数据集包含900多张输电线路红外绝缘子图像,并对其中的绝缘子进行了标注,标签格式为VOC。
  • 配电柜光电按钮700VOC
    优质
    本数据集包含700多张关于配电柜光电按钮的图像,并附有详细的VOC标注信息,适用于目标检测研究。 图像内容为配电柜光按钮,并且已经对图像进行了标注,标签格式采用VOC格式。
  • 变电站控制柜面板状态1800VOC
    优质
    本数据集包含超过1800张针对变电站控制柜面板状态的图像,并附有详细的VOC标注信息,为相关领域的研究与应用提供了宝贵的资源。 数据集包含1800多张变电站控制柜图片,并已进行标注。标签格式为VOC;各类别及数量如下:switch-left: 1191个;switch-center: 1566个;red: 396个;red-green: 394个;platen-on: 3378个;platen-off: 4696个;red-red-off: 648个;transformer: 558个;switch-right: 461个;green-green-off: 482个;platen-on-half: 187个;switch-center-half: 403个;transformer-on-half: 187个;transformer-on: 457个;red-red: 143个;green-green-red: 96个。
  • 发电缺陷3584VOC,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。