Advertisement

天池布匹缺陷检测数据集：织造、污渍和染整问题（测试用）

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

简介：
天池布匹缺陷检测数据集专注于识别纺织品在织造、污渍及染整过程中的质量问题，为提升布料品质提供精准的数据支持。 布匹缺陷检测数据集包含4774张图片，由于数据集较大，仅上传了一小部分供研究使用，并且已经划分了训练集和验证集。标签为YOLO格式，可用于YOLO系统的检测项目。 破洞: 1 水渍: 2 油渍: 2 污渍: 2 三丝: 3 结头: 4 花板跳: 5 百脚: 6 毛粒: 7 粗经: 8 松经: 9 断经: 10 吊经: 11 粗维：12 纬缩：13 浆斑：14 整经结：15 星跳：16 跳花：16 断氨纶：17 稀密档：18

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 天池布匹缺陷检测数据集：织造、污渍和染整问题（测试用）
    优质
    天池布匹缺陷检测数据集专注于识别纺织品在织造、污渍及染整过程中的质量问题，为提升布料品质提供精准的数据支持。 布匹缺陷检测数据集包含4774张图片，由于数据集较大，仅上传了一小部分供研究使用，并且已经划分了训练集和验证集。标签为YOLO格式，可用于YOLO系统的检测项目。 破洞: 1 水渍: 2 油渍: 2 污渍: 2 三丝: 3 结头: 4 花板跳: 5 百脚: 6 毛粒: 7 粗经: 8 松经: 9 断经: 10 吊经: 11 粗维：12 纬缩：13 浆斑：14 整经结：15 星跳：16 跳花：16 断氨纶：17 稀密档：18
     
  • 缺陷检测数据集
    优质
    本数据集包含多种工业产品在生产过程中的图像和相关信息，旨在帮助识别并分类各种制造缺陷，提升产品质量控制效率与精度。 缺陷检测/瑕疵检测数据集包括含有瑕疵图片的训练集和验证集。
     
  • PCB缺陷检测数据集-VOC.rar
    优质
    PCB缺陷检测数据集-VOC包含用于印刷电路板(PCB)质量控制的图像和标注文件。该资源适用于训练机器学习模型识别并分类PCB上的各种缺陷，助力提高生产效率与产品质量。 PCB板缺陷检测数据集包含几百张图像，标签采用VOC格式，可以直接使用。
     
  • YOLOv8钢材缺陷检测及缺陷检测权重、数据集和QT界面GUI
    优质
    本项目基于YOLOv8模型开发，旨在实现高效的钢材表面缺陷检测。通过定制化训练权重与专用数据集优化算法性能，并结合Qt框架构建用户友好的图形界面(GUI)，提供便捷的图像识别服务。 YOLOv8用于钢材缺陷检测的模型已经训练完成，并且包含各种类型的缺陷分类、PR曲线以及loss曲线。该系统附带的数据集通过lableimg软件进行标注，图片格式为jpg，标签分为xml和txt两种格式，分别存储在两个不同的文件夹中。 此外，还提供了一个使用PyQt开发的界面，可以用于检测图片、视频及调用摄像头，并有相应的选择项供用户操作。
     
  • 布匹缺陷检测的小样本数据集（经典案例，含教程）
    优质
    本资料提供了一个关于布匹缺陷检测的小规模数据集，并详细介绍了如何使用该数据集进行模型训练的经典案例及操作教程。 该数据集从网上收集并整理而成；包含25张图像（无缺陷、A缺陷、B缺陷、C缺陷、D缺陷各5张），每张图像大小为256x256x3；使用方法如下：1. 使用datastore方式读取图像数据，应用于深度学习卷积网络。2. 分类预测应用的编程实例可以在视频45.26中查看。
     
  • PCB.rar_PCB检测_缺陷类型_PCB检测_pcb缺陷检测_缺陷检测
    优质
    本资源为PCB检测工具包，专注于识别和分类印刷电路板上的各种缺陷。包含多种常见缺陷类型的样本数据及分析方法，适用于电子制造质量控制。 PCB板检测的基本流程是：首先存储一个标准的PCB板图像作为参考依据；接着处理待测PCB板的图像，并与标准图进行比较以找出差异点；根据这些差异来判断存在的缺陷类型。
     
  • Haclon 脏污与屏幕缺陷检测
    优质
    Haclon脏污与屏幕缺陷检测是一款专为电子设备设计的软件，能够高效准确地识别并定位屏幕上存在的各种瑕疵和污染问题，保障显示效果最佳。 Haclon 脏污检测与屏幕缺陷检测（更新版）。由于第一次上传的程序不是完整版本，因此重新上传了资源。这次选择的是最低级别的资源分。
     
  • 太阳能电池板缺陷检测数据集（第二版）
    优质
    《太阳能电池板缺陷检测数据集（第二版）》提供了更新和扩充后的图像与标注信息，旨在提升机器学习模型在识别光伏组件瑕疵方面的准确性。 内含光伏电池板/太阳能电池板典型缺陷的数据集共有约1190张图片。标签以json格式提供，涵盖隐裂、断栅、污染等多种类型的问题。该数据集适用于图像识别、图像处理、深度学习、目标检测及计算机视觉等领域研究和应用。
     
  • 太阳能电池板缺陷检测数据集——第三版
    优质
    本数据集为太阳能电池板缺陷检测的第三次更新版本，包含大量高分辨率图像及标注信息，旨在提升机器学习模型在光伏系统维护中的应用效率与准确性。 内含光伏电池板/太阳能电池板典型缺陷的数据集共有约300张图片，标签以json格式提供，包括黑斑（黑点）、断栅等缺陷类型。该数据集适用于图像识别、图像处理、深度学习、目标检测和计算机视觉等领域研究使用。