Advertisement

关于几种表面缺陷的检测数据集-附件资源

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


简介:
本资料提供了一个包含多种表面缺陷的图像数据集,旨在支持工业视觉系统中的缺陷检测研究与应用开发。 几种表面缺陷检测的数据集资源。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • -
    优质
    本资料提供了一个包含多种表面缺陷的图像数据集,旨在支持工业视觉系统中的缺陷检测研究与应用开发。 几种表面缺陷检测的数据集资源。
  • -
    优质
    本资源提供多种表面缺陷的检测数据集,包含各类工业产品表面瑕疵图像及标注信息,旨在促进机器学习算法在质量控制中的应用研究。 几种表面缺陷检测的数据集资源。
  • -
    优质
    本资源提供多种表面缺陷的检测数据集,包含各类工业材料表面瑕疵图像及其标注信息,适用于机器学习和计算机视觉研究。 几种表面缺陷检测的数据集资源。
  • -
    优质
    本资源提供多种表面缺陷的检测数据集,包含各类图像及标注信息,旨在促进机器学习算法在工业检测中的应用研究。 几种表面缺陷检测的数据集资源。
  • 钢材NEU-DET:支持六识别
    优质
    NEU-DET钢材表面缺陷检测数据集专为工业应用设计,内含大量标注样本,旨在提升六类常见钢材表面瑕疵(如裂纹、气泡等)的自动识别精度。 钢材表面缺陷检测数据集NEU-DET包含YOLO模型所需处理好的.txt标签文件,并已测试通过;还包括所有1800张原始图片及对应的标签xml文件。
  • NEU合锦
    优质
    NEU表面缺陷检测数据集是一份精心编纂的专业资源库,专注于提供各类材料表面缺陷的高精度图像和详细标注,旨在推动相关领域的研究与应用发展。 NEU数据集大全包括了原始数据集、扩展的64*64大小的分类数据集以及带有标签的缺陷定位数据集。
  • 钢轨-RSDDs
    优质
    RSDDs数据集专注于铁路安全,专门用于检测钢轨表面的各种缺陷。该数据集包含大量标记图像,涵盖不同类型的损伤和瑕疵,适用于训练深度学习模型以提高轨道维护效率与准确性。 RSDDs数据集是专门用于钢轨表面缺陷检测的数据集合,它由两个精心策划的子数据集组成,每个子数据集都针对不同类型的铁路轨道。 Type-I RSDDs 子数据集: 这个子数据集专注于高速客运铁路(express rails)上的钢轨表面缺陷。该子数据集中包含67张高分辨率图像,每张图片尺寸为160像素宽和1000像素长,以捕捉细节丰富的缺陷特征。这些图像是从实际的高速客运铁路轨道采集而来,反映了在高速列车运行环境下钢轨所遭受的各种磨损与损伤情况。 Type-II RSDDs 子数据集: 不同于Type-I子数据集,Type-II收集自普通及重载货运铁路(common/heavy haul rails)。该子数据集中包含128张图像,每张图片尺寸为55像素宽和1250像素长,以适应在高负载、频繁使用的环境中检测钢轨表面缺陷的需求。这些图像是为了展示重载货运铁路轨道上的典型磨损与损坏情况而特别挑选出来的。 两个子数据集中的所有图像都经过精心选择,确保每张图片至少包含一个明显的钢轨表面缺陷特征,如裂纹、磨损和剥离等现象。背景设计复杂多样,模拟了实际操作环境下的变化多端性,并且增加了数据集的实用性和挑战度。
  • 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。
  • 轨道
    优质
    本数据集专为评估轨道表面缺陷检测算法设计,包含各类典型缺陷图像及标注信息,旨在促进铁路维护领域的研究与应用。 谁有用就拿走吧。
  • YOLOv8钢材权重、和QT界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。