Advertisement

三星油污缺陷分类：头发丝与小黑点，数据集包含660张图片

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

简介：
本数据集专注于三星产品生产过程中的油污缺陷检测，涵盖头发丝及小黑点两种典型缺陷类型，总计提供660幅高清图像样本。 三星油污缺陷类别包括头发丝和小黑点。通过博客优化可以提升检测精度的数据集包含660张图片。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 三星油污缺陷分类：头发丝与小黑点，数据集包含660张图片
    优质
    本数据集专注于三星产品生产过程中的油污缺陷检测，涵盖头发丝及小黑点两种典型缺陷类型，总计提供660幅高清图像样本。 三星油污缺陷类别包括头发丝和小黑点。通过博客优化可以提升检测精度的数据集包含660张图片。
     
  • 基于YOLO的轴承生产缺陷分类检测（数据集含568张图片，三类缺陷）
    优质
    本研究采用YOLO算法对轴承生产中的三种常见缺陷进行高效识别与分类，利用包含568张图像的数据集训练模型，旨在提升生产线上的自动化检测能力。 基于YOLO11的轴承生产缺陷智能检测系统阐述了整个数据制作和训练可视化过程。
     
  • 铝片缺陷数据集，包含1400张图片，四种缺陷类型：zhen-kong、ca-shang、zang-wu、zhe-zho
    优质
    本数据集包括1400张铝片图像，涵盖四种典型缺陷：孔洞（zhen-kong）、擦伤（ca-shang）、异物（zang-wu）和折皱（zhe-zho），为机器学习与计算机视觉研究提供重要资源。 铝片缺陷数据集包括四种类型的缺陷：针孔、擦伤、脏污和褶皱。
     
  • 混凝土缺陷图像的数据集，包含56100张图片
    优质
    本数据集包含了56,100张用于识别和分类混凝土缺陷的高质量图像，旨在促进相关领域的研究与开发。 混凝土缺陷图像分类数据集包含56100张图片。
     
  • 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。
     
  • 玻璃瓶盖缺陷检测，数据集包含125张图片
    优质
    本项目专注于开发用于检测玻璃瓶盖缺陷的数据集，共收集了125张图像，旨在提高制造业的质量控制效率和准确性。 基于Yolov5的玻璃瓶缺陷检测算法及其优化已在相关博客中详细介绍：该文章探讨了如何利用YOLOv5框架进行高效的玻璃瓶瑕疵识别，并提出了一系列改进措施以提升模型性能。
     
  • 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。
     
  • 道路图像中坑洼检测，数据集包含665张图片，缺陷类型为pothole
    优质
    本项目专注于开发用于识别和分类道路图像中的坑洼（potholes）的技术。我们构建了一个数据集，其中包含了665张各种条件下的道路图像，专门针对单一的缺陷类型——坑洼进行检测。这一研究旨在提升路面维护效率与准确性。 我们有一个包含665张图像的数据集，用于检测道路中的坑洼（pothole）。
     
  • NEU-DET钢材表面缺陷分类有六种类型，训练集包含1260张图片，验证集含361张图片，测试集为180张图片（yolov8格式）
    优质
    本数据集用于NEU-DET钢材表面缺陷分类任务，涵盖六种类别缺陷。共提供1260张训练图像、361张验证图像及180张测试图像，采用YOLOv8标注格式。 NEU-DET钢材表面缺陷共有六大类：crazing（龟裂）、inclusion（夹杂）、patches（斑点）、pitted_surface（凹坑表面）、rolled-in_scale（氧化铁皮压入）和scratches（划痕）。其中，训练集包含1260个样本片，验证集有361个样本片，测试集中则包括180个样本片。 钢铁检测的重要性主要体现在以下几个方面： 1. 保障产品质量：钢材中的缺陷可能会导致产品的强度、硬度、韧性等性能下降，甚至引发安全事故。
     
  • 电气类GIS局部放电缺陷检测数据集（含4243张图片和4个分类）.txt
    优质
    本数据集包含4243张图像，旨在用于检测电气设备中的局部放电缺陷，具有四个不同类别，适用于机器学习和模式识别研究。 电气类85的GIS局部放电缺陷检测数据集包含4243张图像和四个分类（电晕放电、悬浮放电、自由粒子、绝缘放电），适用于电气工程专业在计算机视觉应用领域的研究，例如目标检测、图像识别及深度学习等。数据集中没有标签信息，但提供了详细的类别说明以供参考。