求有关焊缝图像的数据集

weixin_46508986 2020-03-08 06:20:16

想下载有关焊缝图像的数据集，求大神告知！！

...全文

1227 12 打赏收藏转发到动态举报

写回复

12 条回复

切换为时间正序

请发表友善的回复…

发表回复

qq_41590517 2023-02-28

打赏
举报

回复

我读研期间是做焊缝缺陷检测方向，在博客园公开了12000张的焊缝数据集（JPEGWELD）可以参考：钢板焊缝缺陷公开数据集（RGB相机图像，线结构光图像，已手动打标签、数据清洗和增强） - 功成铭就 - 博客园（https://www.cnblogs.com/weld/articles/16849052.html）

qq_45393052 2021-07-21

打赏
举报

回复

有x光的焊缝图像数据集, 不过张数很少

weixin_44418148 2021-09-08

举报

回复

@qq_45393052 能发一下邮箱吗？十分感谢781337553@qq.com

物语368 2021-11-13

举报

回复

@qq_45393052 大哥，能发一下邮箱吗？十分感谢884585212@qq.com

weixin_45196639 2021-12-03

举报

回复

@weixin_45196639 你找到了吗？焊缝的数据库，能交流交流吗？

6条回复

zgl7903 2020-03-12

打赏
举报

回复 1

百度焊缝图像

项目包含：管道焊接缝缺陷检测检测数据集（VOC标注格式的xml文件，已经做了训练集和测试集划分），数据保存按照文件夹保存，经测试，可直接用作目标检测数据集，无需额外处理。图像分辨率为800*800的RGB图片，数据集为管道焊接缝缺陷检测检测数据集 【数据集介绍】管道焊接缝隙缺陷图像数据，2类别：good、bad 【数据总大小】106MB 【数据集详情】data目录下分为两个目录，train为训练数据、test为测试数据，每个目录下各有两个子文件夹。images存放数据图片，labels目录存放标注文件。训练集共908张图片和908个xml解释文件。训练集共226张图片和226个xml解释文件【json文件】2类别的json字典文件为了方便查看数据，提供了可视化py文件，随机传入一张图片即可绘制边界框，并且保存在当前目录。脚本无需更改，可以直接运行！

从图像中检测和定位制造缺陷使用 ResNet50 深度学习模型预测钢板上的缺陷，并使用 Res-UNET 模型直观地定位缺陷。该项目旨在从图像中预测钢板的表面缺陷。这种计算机视觉技术利用预训练的 ResNet50 模型利用迁移学习。如果检测到默认值，另一个模型允许在图像上直观地显示检测到的默认值（图像分割）。第二个模型使用 Res-U-net 架构生成逐像素预测以定位图像上的缺陷。这些模型是使用 tensorflow Keras 开发的。项目描述该项目包括两个步骤：分类模型的训练和评估，以确定钢板是否具有表面默认值。该模型处理制造钢板的图片，并利用预先训练的 ResNet50 模型使用临时训练数据集针对目标问题进行微调。零件有 4 种缺陷类型，但第一步将零件分类为有缺陷/无缺陷。在接下来的图像分割期间执行缺陷类型的确定。训练和测试图像分割以定位有缺陷的纸张上的缺陷。这一步使用 U-net 模型来预测图像的每个像素是否是表面默认值的一部分。输出是模型识别的缺陷的可视化。该模型是在临时数据集上训练的。此外，该模型还可以预测 4 个可能类别之间的缺陷类型。

传统图像识别算法识别模型单一且易受外部光照条件干扰，深度卷积网络模型虽然识别率高，但计算量大，设备成本高，因此提出基于深度同或卷积网络的改进型压缩算法。首先介绍了焊缝识别系统的组成和经典卷积神经网络模型，然后阐述了改进型的卷积网络压缩算法，包括权值更新算法和权值补偿算法，最后在自制数据集和仿真平台上进行了数据实验。研究结果表明，所提算法具有识别率高、模型小、适应性强和识别模型多样化的优点，可应用于焊接现场对焊缝中心的识别。

为实现对激光焊缝质量的高效检测,引入了线阵图像传感解决在线检测问题,提出了一种基于深度学习的焊缝瑕疵快速检测方法。首先,针对激光焊缝瑕疵,优化了基于YOLO(You only look once)的深度学习网络。其次,在实验数据集中加入了合适的锚框,以提高检测框定位信息的准确度,并通过多尺度特征融合技术提高了瑕疵的识别准确度。最后,制作数据集并提出了一种数据集预处理方法训练网络,提升了瑕疵的识别效果。实验结果表明,本方法对焊缝单孔、穿孔、凹槽瑕疵的总识别率大于94%,对尺寸为4096pixel×4000pixel的单张工件图像的检测时间为0.97s,相比传统超声、射线图像检测方法在检测速度方面有明显提升。

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题，提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点，有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明：该算法能有效地提高焊缝图像的缺陷识别能力。

4,012

社区成员

39,817

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章