Advertisement

陶瓷膜板表面瑕疵数据集

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

简介：
本数据集专注于收集并标注陶瓷膜板生产过程中的各类表面瑕疵图像，旨在促进自动化检测技术的发展与应用。 陶瓷膜板表面缺陷数据集

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 陶瓷膜板表面瑕疵数据集
    优质
    本数据集专注于收集并标注陶瓷膜板生产过程中的各类表面瑕疵图像，旨在促进自动化检测技术的发展与应用。 陶瓷膜板表面缺陷数据集
     
  • 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。
     
  • 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）。
     
  • 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。
     
  • 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。
     
  • PCB电路板瑕疵识别数据集
    优质
    本数据集专为PCB电路板瑕疵识别设计，包含大量标注清晰的图像样本，旨在促进机器学习算法在电子制造质量控制中的应用研究。 包含693张图片的PCB电路板缺陷数据集已准备完毕，并且这些图片已被标记为voc xml和YOLO txt两种格式。其中六种不同的缺陷类别包括：missing_hole（缺失孔），mouse_bite（老鼠咬伤），open_circuit（开路），short（短路），spurious_copper（多余铜箔）以及spur（尖刺）。
     
  • PCB电路板瑕疵检测数据集
    优质
    本数据集专为PCB电路板瑕疵检测设计，包含大量标注清晰的高质量图像样本，适用于训练和评估机器学习模型，提升工业自动化检测精度。 PCB缺陷数据集包含一万多张图片，分为彩色和黑白图像。该数据集中有六类不同的缺陷：missing_hole、mouse_bite、open_circuit、short、spur 和 idanel。所有标注采用VOC格式，并可转换为YOLO格式。
     
  • 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。
     
  • 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。
     
  • 铝型材表面瑕疵检测——部分天池数据集
    优质
    本项目专注于铝型材表面瑕疵检测，采用阿里云天池提供的特定数据集进行模型训练与测试，旨在提升工业生产中的自动检测精度和效率。 选取了天池铝型材表面瑕疵数据集的一部分进行研究，该部分包含三个类别：cahua（139张）、pengshang（69张）和tufen（67张）。对这些缺陷使用YOLO和VOC数据集格式进行了标注。