无人机巡检，风力发电机组表面缺陷检测数据集（YOLO标签）

最新推荐文章于 2024-05-13 09:32:41 发布
最新推荐文章于 2024-05-13 09:32:41 发布
阅读量2.7k 收藏 7
点赞数 1
文章标签： 人工智能 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ncusz/article/details/123709373
版权
share_data
关注
  • 1
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 14
    评论
风机叶片小规模振动监测数据集--读取测试
cnjs1994的博客
05-20 2019
ETH风电叶片缺陷数据集–读取测试 数据简介 提示：这里可以添加本文要记录的大概内容： 结构健康监测是保障重要机电设备、建筑设施健康的重要技术手段。 一、lvm_read包安装 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务
第五届工业大数据比赛-风机-测试集_初赛
06-07
第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集_初赛 第五届工业大数据比赛-风机-测试集
基于YOLOv8进行风力涡轮机目标检测源码+数据集(包含2000多张图片标记+python源码).zip
05-04
该数据集包含动态和变化背景中的风力涡轮机图像。我在设计这个数据集时考虑到了无人机摄影师。商业市场上的许多无人机都预装了软件开发工具包或 SDK（例如DJI 无人机），允许用户使用 Python 等语言对无人机进行编程。因此，带有优质相机的商用无人机可以与其 SDK 配对， 格式： YOLO v7 PyTorch 特征： 水平翻转的概率为 50% 0 到 3 像素之间的随机高斯模糊 -25% 到 +25% 之间的随机曝光调整 预拆分：87% 训练，9% 验证，4% 测试（2885 张图像） 新：边界框：噪声：高达 5% 的像素
风机叶片各类缺陷数据集（若还需要大量数据集，请私聊作者）
03-31
适用于深度学习，机器学习的目标检测。风能是现代社会最重要的可再生能源之一,风能的主要利用形式是风力发电,风机叶片是捕获风能并将其转化为电能的主要部件,由于大多数的风电机组工作环境复杂恶劣,且长期承受交变负荷作用,使得在役风机叶片容易出现故障,从而降低风机发电效率、造成安全生产隐患,因此对风机叶片表面故障进行检测和识别显得尤为重要。2003年中国风电进入开始快速发展阶段，2018年中国风电容量赶超美国，成为全球第一，然而，我国早期投建的风机已逐步进入中老年。风机叶片在运行过程中，受台风，雷电，冰雪，盐雾等恶劣天气影响，加上长期使用工程中受到的交变载荷的作用，容易出现裂纹，砂眼，分层，脱粘等损伤，所以需要长期的巡检，探测外表缺陷，损害，并进行长期的运营保养。为解决风机运维成本高，检测效率低，缺陷识别难等
风力机缺陷检测损伤检测数据集VOC+YOLO格式3687张1类别
FL1768317420的博客
05-13 682
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：3687。标注数量(xml文件个数)：3687。标注数量(txt文件个数)：3687。标注类别名称:["defect"]defect 框数 = 12220。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
[数据集][目标检测]葡萄串检测数据集VOC+YOLO格式95张1类别
FL1623863129的博客
03-01 784
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：95。标注数量(xml文件个数)：95。标注数量(txt文件个数)：95。标注类别名称:["grape"]使用标注工具：labelImg。grape 框数 = 905。标注规则：对类别进行画矩形框。
风力发电机叶片损伤检测图像数据集（1万多张图像，VOC标签） ，需要的可以私信我，看到会尽快回复
06-07
风力发电机叶片损伤检测图像数据集（1万多张图像，VOC标签） ，包含油污和损伤的哪个标签数据，数据类型为png，标签类型为txt格式，不需要转换直接可以在yolo、SSD、Faster-RCNN等网络上运行。 由于文件大小限制，无法上传。需要的读者可以与我联系，价格为CSDN最低价格（45元），欢迎大家对比
风力发电功率预测数据（两个风力发电场25台风力发电机2年发电数据，时间间隔30min，含风速、风向、外界温度等天气特征）
爱分享数据的一个人的博客
06-02 2809
下载地址：风力发电功率预测数据（两个风力发电场25台风力发电机2年发电数据，时间间隔30min，含风速、风向、外界温度等天气特征）
风电场风速数据，风机出力数据.csv
11-30
2012年,全年的风电场风速数据（每5min一测）共105121个风速数据及出力数据[m/s]，表头Year Month Day Hour Minute power (MW) wind speed at 100m (m/s)
YOLO铝片表面缺陷检测数据集(含1000张图片)+对应voc、coco和yolo三种格式标签+划分脚本+训练教程.rar
11-03
1、YOLO铝片表面缺陷检测数据集，真实场景的高质量图片数据，数据场景丰富。使用lableimg标注软件标注，标注框质量高，含voc(xml)、coco(json)和yolo(txt)三种格式标签，分别存放在不同文件夹下，可以直接用于YOLO...
电气类64. 风力涡轮机表面损坏检测数据集（1万多张+yolo格式标签）.txt
03-07
内含风力涡轮机表面损坏检测数据集，1万多张图片，带yolo格式标签txt标签，类别有完好、锈蚀、破损三类，可以用于电气工程专业在计算机视觉应用领域做研究，例如目标检测、图像识别、深度学习等！！！ txt文件内有...
Y4-73-12N014D风机发生典型故障时的径向振动频谱数据-数据集
03-26
注：电机型号JS136-4
基于Faster R-CNN的风机叶片缺陷图像多点检测系统设计
04-16
随着新能源风力发电生产规模逐渐扩大，对生产效益精细化的要求不断提升。针对现有电机叶片检查方式造成经济成本高、检查效率低、高空坠落安全隐患等问题，基于深度学习理论，提出了基于Faster R-CNN的胶衣脱落缺陷图像多点检测系统设计。通过对风机叶片的缺陷图片进行数据增广，丰富缺陷数据，以此来增加模型的泛化能力，同时引入GIoU、DCNv2。测试结果表明，所提算法得到的模型平均类别精度（mAP）达到92.6%，可显著提高胶衣检测的精度。
NREL5MW风力机叶片原始数据.xlsx
04-27
NREL5mw翼型数据，包括NACA64翼型，DU21，DU25,DU30,DU40坐标数据，Excel表格文件，已经经过坐标变换，导入建模软件可直接应用。
voc格式数据扩充，增强
08-24
我写了一个数据增强的py程序，有几个主要的增强操作，你自己选择把。不会发生检测目标消失的情况。比augmentation好用
目标检测-PCB板表面缺陷检测数据集-1000张图-+对应VOC-COCO-YOLO三种格式标签+数据集划分脚本
05-31
● 数据集介绍：PCB 板表面缺陷检测数据集，真实采集高质量 PCB 板表面含缺陷图片数据，数据集含多款不同 PCB 板高清表面图片数据，包括俯拍正拍、旋转拍摄姿态。数据标注标签包括 missing_hole、mouse_bite、open_...
目标检测-手机屏幕表面缺陷检测数据集-1200张图-+对应VOC-COCO-YOLO三种格式标签+数据集划分脚本
最新发布
06-18
● 数据集介绍：手机屏幕表面缺陷检测数据集，真实采集高质量手机屏幕表面含缺陷图片数据，数据集含多款不同型号和品牌的手机屏幕表面图片数据，包括苹果手机屏、三星手机屏、华为手机屏等数据。数据标注标签包括 ...
YOLO 3d打印缺陷检测数据集
03-04
数据集样本数量为5870，所有图片已标注为YOLO txt格式，划分为训练集、验证集和测试集，能直接用于YOLO算法的训练。可用于YOLO3d打印缺陷检测模型训练，机器学习，深度学习，人工智能，python，pycharm。
行人检测数据集 yolo
10-14
行人检测数据集 YOLO 是一种用于行人检测的图像数据集。它是基于 YOLO (You Only Look Once) 算法构建的，用于训练和评估计算机视觉模型以检测图像中的行人。 YOLO 是一种实时目标检测算法，它将图像划分为网格，并在每个网格中预测对象边界框和类别概率。因此，YOLO 可以在单个前向传递中检测和定位图像中的多个对象，包括行人。 行人检测数据集 YOLO 包含了大量带有标注的图像，这些图像中标注了行人的位置和边界框。这些标注信息是由人工标注员进行手动标注的，确保了数据集的准确性和可靠性。 使用行人检测数据集 YOLO，我们可以训练计算机视觉模型来自动检测图像中的行人。通过将这些图像输入到模型中进行训练，模型将学习到行人的特征和位置，并能够在新的未见图像中准确地检测和定位行人。 行人检测数据集 YOLO 对于行人检测算法的研究和开发非常有价值。准确的行人检测在许多应用中都非常重要，比如自动驾驶、视频监控和智能交通系统等。通过使用行人检测数据集 YOLO，我们可以改进和优化行人检测算法，提高其在实际场景中的性能和鲁棒性。 总之，行人检测数据集 YOLO 是一种用于训练和评估行人检测算法的图像数据集，可以帮助我们研究和开发准确、高效的行人检测算法，以应用于各种计算机视觉应用中。
评论 14
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

share_data

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值