工业上太阳能电池板的缺陷检测识别，主要针对裂纹，斑点进行检测。详细内容参加博客：https://blog.csdn.net/cuixing001/article/details/83246218

人工智能-基于BP神经网络的金属拉深件成形裂纹位置识别.pdf

混凝土表面裂纹检测图像数据集（包含20,000张有裂缝的混凝土结构图像和20,000张无裂缝的图像，图像分类）.zip

种蛋检测数据集，主要包括受精蛋、无精蛋和裂纹蛋三种类别，总共2000+张数据，标签为yolo格式

matlab二值化处理的代码 在ICCV 2019研讨会上发布的出版物的支持代码。 选项1.从图像中提取和刻划图案 以带骨架的二进制图像为输入，给定算法从裂缝模式中提取无向图，按拓扑将节点分类为X，Y和O类型，将边缘与多项式拟合，并导出裂缝模式的综合特征。 后者可用于伪造检测，原产地检查，老化监测和损坏识别。 技术细节 我们感谢他们修改并应用到我们代码中的算法。 原始实现的所有权利均归作者所有。 该代码是在MatLab R2017b下编写的，尚未测试其他版本。 除了“图像处理工具箱”之外，几乎没有其他任何内容是必需的。 如果您发现任何令人惊讶的依赖性-请通知我们。 裂纹图像的二值化是一个非常棘手和艰巨的过程，因此我们将其留给用户负责。 （尽管我们提供了在实验中使用的辅助代码prepare_bw.m （参数在图像的文件名中））。 运行main.m以快速启动。 输出： 选项2。使用GNN提取图形特征 该算法获取一堆带标签的图，使用它们来训练GNN，然后为每个图从GNN的层中提取隐藏特征的向量。 技术细节 该实现基于要求： pytorch tqdm numpy networkx scipy

大数据-算法-页岩压裂裂纹三维起裂与扩展行为的数值模拟与实验研究.pdf

大数据-算法-非均质材料构件裂纹驱动力数值模拟研究.pdf

函数 [Material_State2,D_crco]=Fixed_Crack_Model(Material,Material_State,e) 输入： -------- 材料：包含材料属性 Material.E（弹性模量）的变量， Material.v（泊松比）、Material.f_t（抗拉强度）、Material.g_f（断裂能除以单元尺寸）和 Material.beta（剪切保持因子） Material_State：包含先前增量或迭代的材料状态变量的历史变量。 它包括 Material_State.s（应力向量）、Material_State.e（应变向量）和 Material.e_cr_l（裂纹应变向量）、Material.e_cr_n_max（最大达到正常裂纹应变）和 Material.theta（垂直于裂纹的角度） 这些历史变量的初始值应该为零，除了 theta 它是

基于机器视觉的混凝土裂纹图像识别系统

运用abaqus模拟三点弯曲试样的裂纹扩展，获得裂纹扩展的应力变化