印刷缺陷检测数据集 |
| 时间：2025-03-31 18:11:04 来源：互联网 作者： |
AI导航网，AI网站大全，AI工具大全，AI软件大全，AI工具集合，AI编程，AI绘画，AI写作，AI视频生成，AI对话聊天等更多内容请查看 https://aiaiv.cn/
知乎该数据集是东北大学的宋克臣等几位老师收集的，一共包含了三类数据，官网有时打不开，三种缺陷数据集我都我保存到了百度网盘里数据集收集了夹杂、划痕、压入氧化皮、裂纹、麻点和斑块6种缺陷，每种缺陷300张，图像尺寸为200×200。数据集包括分类和目标检测两部分，不过目标 展开Kaggle中谢韦尔钢铁公司提供的带钢缺陷数据集该数据集中提供了四种类型的带钢表面缺陷。训练集共有12568张，测试集5506张。图像尺寸为1600×256。有如果有学术研究的需要，可以无限制使用，请将PAO Severstal（https://www.severstal.com/） 展开UCI Steel Plates Faults Data Set该数据集包含了7种带钢缺陷类型。这个数据集不是图像数据，而是带钢缺陷的28种特征数据，可用于机器学习项目。 展开磁瓦缺陷数据集中国科学院自动所一个课题组收集的数据集，是“Saliency of magnetic tile surface defects”这篇论文的数据集。收集了6种常见磁瓦缺陷的图像，并做了语义分割的标注。 展开DAGM 2007数据集该数据集是人为生成的，一共包含了10个class，图像大小为512×512。该数据集为部分示例如下： 展开更多内容请查看https://zhuanlan.zhihu.com/p/195699093
.b_imgcap_altitle p strong,.b_imgcap_altitle .b_factrow strong{color:#767676}#b_results .b_imgcap_altitle{line-height:22px}.b_hList img{display:block}.b_imagePair .inner img{display:block;border-radius:6px}.b_algo .vtv2 img{border-radius:0}.b_hList .cico{margin-bottom:10px}.b_title .b_imagePair>.inner,.b_vList>li>.b_imagePair>.inner,.b_hList .b_imagePair>.inner,.b_vPanel>div>.b_imagePair>.inner,.b_gridList .b_imagePair>.inner,.b_caption .b_imagePair>.inner,.b_imagePair>.inner>.b_footnote,.b_poleContent .b_imagePair>.inner{padding-bottom:0}.b_imagePair>.inner{padding-bottom:10px;float:left}.b_imagePair.reverse>.inner{float:right}.b_imagePair .b_imagePair:last-child:after{clear:none}.b_algo .b_title .b_imagePair{display:block}.b_imagePair.b_cTxtWithImg>*{vertical-align:middle;display:inline-block}.b_imagePair.b_cTxtWithImg>.inner{float:none;padding-right:10px}.b_imagePair.square_mp>.inner{width:80px}.b_imagePair.square_mp{padding-left:90px}.b_imagePair.square_mp>.inner{margin:2px 0 0 -90px}.b_imagePair.square_mp.reverse{padding-left:0;padding-right:90px}.b_imagePair.square_mp.reverse>.inner{margin:2px -90px 0 0}.b_imagePair.square_s>.inner{width:50px}.b_imagePair.square_s{padding-left:60px}.b_imagePair.square_s>.inner{margin:2px 0 0 -60px}.b_imagePair.square_s.reverse{padding-left:0;padding-right:60px}.b_imagePair.square_s.reverse>.inner{margin:2px -60px 0 0}.b_ci_image_overlay:hover{cursor:pointer}.b_greyBackgroundModal{display:none;position:fixed;left:0;top:0;width:0;height:0}.insightsOverlay,#OverlayIFrame.b_mcOverlay.insightsOverlay{position:fixed;top:5%;left:5%;bottom:5%;right:5%;width:90%;height:90%;border:none;border-radius:15px;margin:0;padding:0;overflow:hidden;z-index:9;display:none}#OverlayMask,#OverlayMask.b_mcOverlay{z-index:8;background-color:#000;opacity:.6;position:fixed;top:0;left:0;width:100%;height:100%}16个缺陷检测数据集汇总（附下载链接） 不同场景数据集分享，包括工业缺陷检测数据集、小目标数据集、红外数据集、遥感数据集等 目标检测 数据集 ---玻璃瓶盖工业缺陷 数据集 图像处理更多内容请查看https://blog.csdn.net/zenhuizhi/article/details/137047535
.b_vList>li.b_annooverride{padding-bottom:0}a{a:1}.lisn_content ul,.lisn_content ol,.lisn_sm{white-space:pre-wrap}.lisn_content ul li,.lisn_content ol li{padding:4px 0 0 0}.lisn_content ol li{margin-left:14px}.lisn_content ul li{margin-left:16px}.lisn_content .lisn_title{padding:0 0 4px 0}.lisn_content ul li:first-child,.lisn_content ol li:first-child{padding-top:2px}.lisn_sm{padding:4px 0 0 0}.list_sm_gobigtemplate{font-size:16px}.lisn_content .lisn_image{float:left;position:relative;padding-top:2px}.b_go_big .lisn_content{padding-top:12px}.b_go_big .lisn_olitem,.b_go_big .lisn_ulitem{font-size:16px;color:#444}.b_go_big .lisn_title{font-size:16px;color:#444}.b_go_big.b_rc_listcap_go_big .b_caption{padding-bottom:0}.b_go_big .lisn_content .lisn_imgblock .b_imagePair:last-child{padding-bottom:0}.b_go_big .lisn_content .lisn_imgblock .b_imagePair:first-child{padding-top:0}.lisn_content .b_dList li:nth-child(n+ 5), .lisn_content .b_vList li:nth-child(n+ 5) { display: none; }.b_dList>li{list-style-type:decimal;margin:0 0 0 20px;padding:0 0 10px}https://blog.csdn.net › article › details › 基于YOLOv5的PCB板缺陷检测_北京大学pcb数据集- 数据集介绍。印刷电路板（PCB）瑕疵数据集：数据下载链接，是一个公共的合成PCB数据 环境配置。2、Anaconda安装（省略）3、创建新的环境（python=3.6就行）文章安装的 构建训练数据集。1、先构建数据集文件夹。格式如下（官网下载的PCB数据可能是按照缺 修改配置文件。1、数据集方面：\yolov5-master\data文件夹中，新建一个yaml文件，内容 训练及tensorboard可视化。1、训练。两种方式：pycharm中运行或者终端cmd运行（看个 请在 blog.csdn.net 查看完整列表更多内容请查看https://blog.csdn.net/weixin_45679938/article/details/118803745
弱监督学习下的工业光学检测（DAGM 2007）数据集简介：主要针对纹理背景上的杂项缺陷 轧钢表面缺陷数据库。数据集介绍：由东北大学（NEU）发布的表面缺陷数据库，收集了热 油污下的硅钢缺陷数据库。数据集下载链接：数据介绍：主要包括油污干扰下硅钢的擦痕， 磁砖表面缺陷。数据集下载链接：数据介绍：共拍摄了1344张图像，裁剪了磁砖的ROI，并 印刷电路板（PCB）瑕疵数据集。数据下载链接：数据介绍：这是一个公共的合成PCB数据 请在 blog.csdn.net 查看完整列表更多内容请查看https://blog.csdn.net/bigData1994pb/article/details/122241435
selectdataset.com印刷品表面缺陷检测图像数据|印刷品缺陷检测数据集|目标检测 2024年11月12日 · 训练好的模型可以集成到印刷产品的自动化生产线中，实现实时、高效的缺陷检测。这不仅可以减少人工检测的成本和错误率，还可以提高生产线的运行效率和灵活性。模型 更多内容请查看https://www.selectdataset.com/dataset/c50b60eb9fcfc1632c00b71f8c96e8a3
飞桨AI Studio印刷电路板瑕疵检测数据集（PCB）_数据集-飞桨AI Studio 2025年3月21日 · 印刷电路板瑕疵检测数据集（PCB）由网上收集而得，包含693幅高清集成电路图。数据集包含6种不同类别的问题，分别是 missing_hole、mouse_bite、open_circuit 更多内容请查看https://aistudio.baidu.com/aistudio/datasetdetail/127210
.sb_doct_txt{color:#4007a2;font-size:11px;line-height:21px;margin-right:3px;vertical-align:super}.b_dark .sb_doct_txt{color:#82c7ff}Researchinghttps://researching.cn › ArticlePdf › [PDF]基于改进YOLOv5l的印刷品缺陷检测 摘要 针对印刷生产中传统人工缺陷检测耗时耗力、小缺陷区域不易检测，以及传统图像处理方法鲁棒性差等问题，提 出一种基于改进YOLOv5l模型的印刷品缺陷检测算法。更多内容请查看https://researching.cn/ArticlePdf/m00002/2024/61/10/1012002.pdf
selectdataset.comKaggle PCB Defects|PCB缺陷检测数据集|图像分类数据集2024年10月29日 · 在电子制造领域，Kaggle PCB Defects数据集被广泛用于印刷电路板（PCB）缺陷检测的研究。该数据集包含了多种类型的PCB缺陷图像，如短路、开路、毛刺 aiaiv.cn更多内容请查看https://www.selectdataset.com/dataset/4f5093c246eba70ebc1bdc3e8b208cd3
飞桨AI StudioPCB缺陷检测数据集_数据集-飞桨AI Studio星河社区2022年2月24日 · 印刷电路板（PCB）瑕疵数据集由北京大学发布，其中包含1386张图像以及6种缺陷（缺失孔，鼠标咬伤，开路，短路，杂散，伪铜），用于检测，分类和配准任务。更多内容请查看https://aistudio.baidu.com/datasetdetail/272346
selectdataset.com印刷电路板(PCB)|PCB缺陷检测数据集|图像处理数据集2021年3月16日 · PCB是一个公共的合成PCB数据集，由北京大学发布，其中包含1386张图像以及6种缺陷（缺失孔，鼠标咬伤，开路，短路，杂散，伪铜），用于检测，分类和配准任务。更多内容请查看https://www.selectdataset.com/dataset/e50bb3bfd97f7e834f4b03eb6fe4d870
|
|
