Advertisement

东北大学钢带表面瑕疵检测数据集（采用YOLO格式）

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

简介：
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。

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。
     
  • 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。
     
  • 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。
     
  • 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。
     
  • 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）。
     
  • 铝片表面瑕疵检测数据集
    优质
    本数据集专注于收集并标注各类铝片表面瑕疵图像，旨在通过机器学习模型实现高效准确的缺陷识别与分类，适用于制造业质量控制。 深度学习项目包含一个铝片表面缺陷检测的数据集，共有四百多张图片，并且这些图片已经用COCO格式进行了标注，标签有四种类型。
     
  • 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
     
  • 锂电池表面瑕疵检测数据集.zip
    优质
    本数据集包含大量锂电池表面图像及其标签信息，用于训练机器学习模型识别电池生产过程中的各种表面缺陷。 1-聚团：283张图像显示由于混合时间不足导致活性材料在电极表面聚集。 2-气泡：679张图像表明涂层过程中速度过快引起空气被卷入电极涂层。 3-裂纹：629张图像是干燥过程后出现的电极表面裂纹。 4-划痕：305张图片展示的是在制造过程中，由于电极相互接触或与机器接触产生的划痕。 该模型使用工业相机，在生产线上采集上述缺陷图像。
     
  • 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。