社区
下载资源悬赏专区
帖子详情
锂电池表面缺陷检测数据集.zip下载
weixin_39820535
2024-05-02 16:01:47
1-聚团 :283张,由于混合时间不足导致的活性材料在电极表面的聚集。 2-气泡 :679张,由于涂层过程中涂层速度过快导致的空气被卷入电极涂层。 3-裂纹:629张,干燥过程后出现的电极表面裂纹。 4-划痕:305张,电极在制造过程中相互接触或与机器接触产生的划痕。 模型使用工业相机在电极生产线上进行缺陷图像采集。 , 相关下载链接:
https://download.csdn.net/download/douyu0814/89147901?utm_source=bbsseo
...全文
65
回复
打赏
收藏
锂电池表面缺陷检测数据集.zip下载
1-聚团 :283张,由于混合时间不足导致的活性材料在电极表面的聚集。 2-气泡 :679张,由于涂层过程中涂层速度过快导致的空气被卷入电极涂层。 3-裂纹:629张,干燥过程后出现的电极表面裂纹。 4-划痕:305张,电极在制造过程中相互接触或与机
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
锂电池
表面
缺陷检测
数据集
.
zip
1-聚团 :283张,由于混合时间不足导致的活性材料在电极
表面
的聚集。 2-气泡 :679张,由于涂层过程中涂层速度过快导致的空气被卷入电极涂层。 3-裂纹:629张,干燥过程后出现的电极
表面
裂纹。 4-划痕:305张,电极在制造过程中相互接触或与机器接触产生的划痕。 模型使用工业相机在电极生产线上进行缺陷图像采集。
工业
表面
缺陷目标检测
数据集
.
zip
工业
表面
缺陷目标检测
数据集
一、基础信息
数据集
名称:工业
表面
缺陷目标检测
数据集
图片数量: - 训练集:1,050张图片 - 验证集:201张图片 - 测试集:8张图片 总计:1,259张工业检测场景图片 分类类别: - Beyaz(白色缺陷):可能指
表面
涂层不均或材料本底异常缺陷 - Cizik(划痕缺陷):线性
表面
损伤,常见于金属/塑料加工场景 - Delik(孔洞缺陷):穿透性或凹陷性结构缺陷,影响材料强度 标注格式: YOLO格式,包含归一化坐标的边界框及类别标签,可直接适配主流目标检测框架训练。 数据特性: 来源于工业检测场景的真实缺陷样本,覆盖多种
表面
材质和光照条件。 二、适用场景 工业质检自动化系统: 用于训练生产线上的实时
缺陷检测
模型,提升制造品控效率。 无人机
表面
巡检系统: 适配航拍设备检测大型设备/建筑
表面
缺陷,降低人工巡检风险。 智能制造缺陷分析: 支持缺陷类型与生产工艺的关联性研究,优化生产参数配置。 工业AI教学研究: 提供典型工业检测场景的标准化
数据集
,适用于计算机视觉课程案例。 三、
数据集
优势 缺陷类型专业化: 精准聚焦工业场景高频缺陷类型(划痕/孔洞/材质异常),标注经过双重质检验证。 任务适配性强: - YOLO格式原生支持TensorFlow/PyTorch等框架 - 包含密集小目标(微划痕)和大尺寸缺陷样本 - 平衡的类别分布(训练集含1050个标注实例) 工业场景真实性: - 包含不同材质反射特性样本(金属/塑料/复合材料) - 涵盖多种拍摄角度和距离的检测场景 - 包含连续性缺陷和孤立缺陷的典型样例
表面
缺陷检测
数据集
-
zip
数据集
介绍 内容 目前,基于机器视觉的
表面
缺陷设备已在各个工业领域广泛替代人工视觉检测,包括3C、汽车、家电、机械制造、半导体及电子、化工、医药、航空航天、轻工等行业。传统的基于机器视觉的
表面
缺陷检测
方法往往使用传统的图像处理算法或人工设计的特征加分类器。一般来说,成像方案通常是利用被检测
表面
或缺陷的不同特性来设计的。合理的成像方案有助于获得光照均匀的图像,清晰地反映物体的
表面
缺陷。近年来,许多基于深度学习的
缺陷检测
方法也被广泛应用于各种工业场景。 与计算机视觉中清晰的分类、检测和分割任务相比,
缺陷检测
的要求非常普遍。实际上,它的要求可以分为三个不同的层次:“缺陷是什么”(分类)、“缺陷在哪里”(定位)和“缺陷有多少”(拆分)。 东北大学(NEU)发布的
表面
缺陷
数据集
收集了热轧带钢六种典型的
表面
缺陷,分别是轧制氧化皮(RS)、斑块(Pa)、开裂(Cr)、点蚀
表面
(PS)、夹杂物(In)和划痕 (Sc)。
五类电池目标检测
数据集
.
zip
一、基础信息
数据集
名称:五类电池目标检测
数据集
图片数量: - 训练集:738张图片 - 验证集:32张图片 - 测试集:18张图片 - 总计:788张图片 分类类别:5个类别,类别ID为0、1、2、3、4 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务 数据格式:图像文件 二、适用场景 • 电池制造与质量控制:用于自动化检测电池的类型、状态或缺陷,提升生产线效率和产品一致性。 • 能源设备监测:在储能系统或电力设施中,实时监测电池健康状况,辅助预防性维护和安全评估。 • 计算机视觉研究与开发:支持目标检测模型的训练和优化,适用于工业自动化、物流管理等AI应用场景。 三、
数据集
优势 • 多类别设计:覆盖5个独立类别,提供多样化的检测目标,增强模型在复杂场景下的识别能力。 • 实用性强:采用标准YOLO标注格式,兼容主流深度学习框架(如YOLO系列),便于快速集成和部署。 • 真实场景数据:数据来源于实际应用环境,包含不同尺度的对象标注,有助于提升模型的泛化性和鲁棒性。
YOLO焊缝检测
数据集
-dataset-11.
zip
YOLO焊缝检测
数据集
,用于检测焊缝质量的好坏,YOLO和VOC格式标签
下载资源悬赏专区
13,654
社区成员
12,574,205
社区内容
发帖
与我相关
我的任务
下载资源悬赏专区
CSDN 下载资源悬赏专区
复制链接
扫一扫
分享
社区描述
CSDN 下载资源悬赏专区
其他
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
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