几种表面缺陷检测数据集-附件资源

配网低压绝缘子缺陷检测数据集（含txt标签，1w多张图像）

随着嵌入式技术的发展，基于图像处理的产品表面缺陷检测技术的优势越来越突出，其技术主要包括产品表面图像的采集、匹配和识别。本系统采用单精度浮点运算的STM32F405作为核心处理器，CMOS彩色数字摄像芯片OV7610作为图像采集传感器，并在VC++环境下使用面向对象的方法设计控制程序，主要用于产品表面图像的采集与处理。实验结果表明，该系统工作稳定，实时性和可控性达到设计要求。

内含太阳能光伏电池板红外图像与温度、风速、照度等环境数据，光伏系统的热表征数据集，主要用于识别蜗牛踪迹和热点故障。可用于电气工程专业与人工智能、深度学习、机器学习相关领域研究。

几种表面缺陷检测数据集-附件资源

关于该资源的详细描述，请参考本人博客文章： https://blog.csdn.net/qq_36584460/article/details/123967675

针对锯片缺陷检测的机器视觉系统设计，里面有详细的介绍。

基于Python的PCB板微小缺陷检测，检测工业PCB母版上的微小瑕疵。

根据红外成像特性及金属表面缺陷区域灰度分布变化缓慢的特点，提出了一种基于小波纹理特性统计分析的铜带表面缺陷视觉检测方法。利用CCD视觉传感器获取受检金属表面的红外影像资料，引入一阶Haar小波分解红外图像，抽取4个小波特性，然后分别使用Hotelling T2和X2多变量统计法融合4个小波特性。最后根据统计值判别图像是否存在缺陷，并使用支持向量机对缺陷进行分类。比较分析了两种小波域多变量统计方法检测缺陷的性能。实验结果表明，Hotelling T2统计法在缺陷检测和识别方面的性能较好，对微小缺陷可达到92.8%的检测率和95.42%的识别率。

基于机器视觉的钢轨表面缺陷检测技术研究,