Advertisement

PCB电路板表面缺陷检测的数据集（六分类）- 适用于计算机视觉目标检测（以YOLO格式的txt文件标注）

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

简介：
本数据集包含用于PCB电路板表面缺陷检测的图像，涵盖六类不同类型的缺陷。所有图片均采用YOLO格式进行精确标注，为计算机视觉领域的目标检测研究提供了丰富的训练资源。 项目包含PCB电路板表面缺陷检测数据集（6分类），数据保存按照文件夹形式组织，可直接用于目标检测任务，无需额外处理。 **数据集介绍：** - 训练图片为多个PCB电路板的图像。 - 对于每个PCB电路板上的缺陷进行识别和分类，分为六个类别：针孔、短路、老鼠咬破、穿刺、铜以及断开。 - 数据总大小约为47.8MB。 **数据集结构：** - 训练集包括1200张图片及对应的1200个标签txt文件（位于data/train/images和data/train/labels目录下）。 - 测试集包含300张图片及其相应的300个标签txt文件（在data/test/images和data/test/labels中）。 **附加信息：** 提供了描述检测类别的classes文本段落件，方便用户了解数据集中各类别名称以及对应的编号。 为了便于查看数据，还提供了一个可视化py脚本。该脚本能随机选取一张图片并绘制边界框，并将结果保存在当前目录下；且无需进行任何修改便可直接运行。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • PCB电路板表面缺陷检测的数据集（六分类）- 适用于计算机视觉目标检测（以YOLO格式的txt文件标注）
    优质
    本数据集包含用于PCB电路板表面缺陷检测的图像，涵盖六类不同类型的缺陷。所有图片均采用YOLO格式进行精确标注，为计算机视觉领域的目标检测研究提供了丰富的训练资源。 项目包含PCB电路板表面缺陷检测数据集（6分类），数据保存按照文件夹形式组织，可直接用于目标检测任务，无需额外处理。 **数据集介绍：** - 训练图片为多个PCB电路板的图像。 - 对于每个PCB电路板上的缺陷进行识别和分类，分为六个类别：针孔、短路、老鼠咬破、穿刺、铜以及断开。 - 数据总大小约为47.8MB。 **数据集结构：** - 训练集包括1200张图片及对应的1200个标签txt文件（位于data/train/images和data/train/labels目录下）。 - 测试集包含300张图片及其相应的300个标签txt文件（在data/test/images和data/test/labels中）。 **附加信息：** 提供了描述检测类别的classes文本段落件，方便用户了解数据集中各类别名称以及对应的编号。 为了便于查看数据，还提供了一个可视化py脚本。该脚本能随机选取一张图片并绘制边界框，并将结果保存在当前目录下；且无需进行任何修改便可直接运行。
  • 基于目标检测的钢铁表面缺陷识别：1800张图像及标注数据集支持六类缺陷检测
    优质
    本研究构建了一个包含1800张图片的数据集，用于训练和测试针对钢铁表面六种常见缺陷的目标检测模型。 钢铁表面缺陷数据集（NEU-DET）是一个适合初学者使用的目标检测数据集。该数据集包含多种钢铁表面缺陷类别，并以PASCAL VOC格式进行标注。此数据库主要用于识别钢铁表面上的各类目标缺陷。 对于一般的目标检测任务，通常需要数千甚至上万张图片的数据集才能达到较好的效果。NEU-DET上传了1800张图像和对应的标签文件，所有数据都是一一对应的关系。 如果需要对现有数据集进行扩充或定制化处理，请随时联系我。可以采用各种方法来增强数据集，例如模糊、亮度调整、裁剪、旋转、平移及镜像等变换，或者基于深度学习的SRGAN增强技术。
  • 目标检测数据集：底特律街景六分类（YOLO格式txt文件）
    优质
    本数据集包含底特律市街道场景下的六类物体标注信息，采用YOLO格式存储于txt文件中，适用于训练和评估目标检测模型。 项目包含底特律街景目标检测数据集，可以直接用作目标检测的数据集而无需进行额外处理。 分类类别包括：汽车、交通标志、车道线、行人、摩托车手和骑行者。 数据集介绍： - 数据分为训练集、验证集和测试集。 - 总大小为475MB - 训练集由1575张图片及对应的1575个标签txt文件组成； - 验证集包括450张图片及其相应的450个标签txt文件； - 测试集则有225张图片和与之匹配的225个标签txt文件。 此外，还提供了一个类别列表的txt文件。 为了方便查看数据，项目中提供了可视化py脚本。此脚本能接收一张输入图片，并绘制边界框后保存到当前目录下。
  • 汽车缺陷检测图像数据集：采用VOC标注格式的目标检测数据集
    优质
    本数据集为汽车缺陷检测设计，基于VOC标准进行标注，包含大量标记清晰的目标检测图片，旨在促进自动驾驶与智能车辆领域的研究。 目标检测数据集：汽车缺陷检测图像数据集【VOC标注格式】，数据保存按照文件夹形式存放，经测试可以直接用于目标检测任务，无需额外处理。 【数据集详情】包含3000多张图片及对应的xml标注文件和类别信息的json文件。 标签类别包括门外凹痕、发动机罩凹痕、车身面板凹痕等17个类别。
  • VOC格式标注的变电站缺陷检测数据集
    优质
    本数据集包含大量以VOC格式标注的变电站设备缺陷图像，旨在促进电力系统智能运维研究和算法开发。 变电站缺陷检测数据集采用VOC格式进行标注： - 表计读数有错：bjdsyc，共657个文件。 - 表计外壳破损：bj_wkps，共481个文件。 - 异物鸟巢：yw_nc，共834个文件。 - 箱门闭合异常：xmbhyc，共368个文件。 - 盖板破损：gbps，共568个文件。 - 异物挂空悬浮物：yw_gkxfw，共679个文件。 - 呼吸器硅胶变色：hxq_gjbs，共1140个文件。 - 表计表盘模糊：bj_bpmh，共828个文件。 - 绝缘子破裂：jyz_pl，共389个文件。 - 表计表盘破损：bj_bpps，共694个文件。 - 渗漏油地面油污：sly_dmyw，共721个文件。 - 未穿安全帽：wcaqm，共467个文件。 - 未穿工装：wcgz，共661个文件。 - 吸烟：xy，共578个文件。
  • 光伏板缺陷检测的数据集（目标检测）
    优质
    本数据集专为光伏板缺陷检测设计，采用目标检测技术，包含大量标注清晰的光伏组件图像，旨在提升太阳能电站运维效率和光伏发电性能。 本数据集包含用于光伏板缺陷检测的图片及标签文件，适用于YOLO系列、Faster R-CNN、SSD等多种模型训练。数据集中共有2400张图片，标注了三种类型的缺陷：Crack（裂缝）、Grid（网格）和Spot（斑点）。文件中包括图片、txt格式的标签以及描述类别信息的yaml文件，并且还包括xml格式的标签文件。已将所有图像及对应的txt标签划分为训练集、验证集和测试集，可以直接用于YOLO算法的训练。