太阳能可见光光伏电池板划痕数据集/轴承和齿轮故障诊断及寿命预测数据集/太阳能光伏板灰尘目标检测数据集/无人驾驶飞机高空红外热成像数据集/无人机航拍地面道路病害检测/YOLO轨道障碍物数据集-CSDN博客

本文链接：https://blog.csdn.net/2401_83580557/article/details/142537658

一，太阳能可见光光伏电池板划痕数据集。用于目标检测，缺陷检测

用于目标检测，缺陷检测。包含2648张图片，2648个yolo格式的标签，单类别，标注了划痕的位置。已分为测试集训练集验证集，可直接训练。有数据增强。

包含2648张图片，2648个yolo格式的标签，单类别，标注了划痕的位置。

已分为测试集训练集验证集，可直接训练。
有数据增强。

传送门链接：https://blog.csdn.net/2301_78240361/article/details/142537381

二，轴承、齿轮故障诊断集

齿轮寿命预测全生命周期寿命数据
健康状态监测等数据集
包含哈工大航空发动机轴承故障数据集、Phm2012 东南大学华中科技大学
重庆大学西安交大齿轮箱数据集
都灵理工大学轴承加速寿命数据
等共计11个国内外高校和研究所数据集，50G左右

轴承和齿轮故障诊断及寿命预测数据集

传送门链接：轴承和齿轮故障诊断及寿命预测数据集-CSDN博客

三，太阳能光伏板灰尘目标检测数据集

太阳能可见光光伏电池板划痕数据集。用于目标检测，缺陷检测。

包含2648张图片，2648个yolo格式的标签，单类别，标注了划痕的位置。

已分为测试集训练集验证集，可直接训练。
有数据增强。

太阳能可见光光伏电池板划痕数据集，传送门链接：

太阳能可见光光伏电池板划痕数据集-CSDN博客

四，无人驾驶飞机高空红外热成像数据集

无人驾驶飞机的高空红外热数据
集，txt标注，2866张 yolo可直接训练。
已划分train val test（配有配置文件.yaml）
yolov5 、yolov7、yolov8、yolov9、yolov10可直接训练

数据集描述：
数据采集：由无人机从不同场景（学校，停车场，道路，游乐场等）捕获，涵盖了各种方面，包括物体（人，自行车，汽车，其他车辆，其他；对应标签 0: Person 1: Car 2: Bicycle
3: OtherVehicle 4: DontCare），飞行高度数据（从60到130米），摄像机的透视数据（从30到90度）以及日光强度（白天和黑夜）。

传送门链接：

无人驾驶飞机高空红外热成像数据集，txt标注，2866张 yolo可直接训练。已划分train val test（配有配置文件.yaml）yolov5 、yolov7、yolov8、yolov9、-CSDN博客

五，无人机航拍地面道路病害检测数据集

无人机航拍地面道路病害检测7类 yolo 33585张

空中与地面拍摄道路病害检测数据集（Aerial and Ground Photography Road Defect Detection Dataset, AGPRDD）

摘要

AGPRDD 是一个专为空中与地面拍摄的道路病害检测而设计的数据集，它包含了33585张高质量的图像，涵盖了七种不同的道路病害类型。数据集提供了一套全面的标注信息，可用于训练和评估YOLO系列的目标检测模型。AGPRDD 的目标是帮助研究人员和工程师开发更精确的空中与地面拍摄的道路病害检测系统，应用于公路养护、城市基础设施管理和交通安全等领域。

数据集特点

多样化的图像来源：数据集包含空中拍摄和地面拍摄两种类型的图像，为模型训练提供了丰富的素材。
多种病害类别：数据集包含D00、D10、D20、D40、D44、D50、D43这七种常见的道路病害，满足各种应用场景的需求。
精准的标注信息：每张图像都经过专业人员的精细标注，确保了目标区域的准确性。
易于使用：数据集已经按照YOLO格式整理，可以直接用于训练和评估YOLO系列的目标检测模型。
广泛的适用性：适用于公路养护、城市基础设施管理和交通安全等多个领域。

数据集构成

总图像数量：33585张
类别数：7类
类别名称：D00, D10, D20, D40, D44, D50, D43
数据集划分：
- 训练集: 6798张
- 验证集: 3284张
- 测试集: 23503张

传送门链接：无人机航拍地面道路病害检测7类 yolo 33585张-CSDN博客

七，YOLO轨道障碍物数据集

YOLO轨道障碍物数据集，1655张图片，六种类别xml和txt标签都有

轨道障碍物识别数据集（Track Obstacle Recognition Dataset, TORD）

摘要

TORD 是一个专门为轨道交通场景中的障碍物识别而设计的数据集，它包含了1655张高质量的障碍物图像，涵盖了动物、火车、摩托车、遮挡物、行人以及各类交通工具等多种障碍物类别。数据集提供XML和TXT两种格式的标注信息，适用于YOLO系列的目标检测算法和其他深度学习方法。TORD 的目标是帮助铁路运营方和相关研究者开发出更加安全高效的障碍物检测系统，以降低事故风险，保障乘客的安全。

数据集特点