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。

Halcon深度学习-企业项目实战（核酸管外观缺陷检测）已训练模型

Halcon深度学习-企业项目实战（核酸管外观缺陷检测）图片

精通GPU-利用CUDA加速图像处理，提升缺陷检测精度，CSDN CSDN组织关于GPU 方面的视频

机器视觉工业缺陷检测的那些事-20210817，涉及到机器视觉过程中的硬件设备的选型（包括如何选择光源、选择什么样的相机、镜头等）、常用的图像处理算法，以及市面上使用较多的算法库。相信肯定对大家有所帮助。

基于matlab平台的：水果分级系统（颜色，形状，大小，缺陷，方法bp，分级标准设置，带界面GUI，步骤详细）

绝缘子作为输电环节中的重要设备，在支撑固定导线，保障绝缘距离的方面有着重要作用。深度学习技术的大量应用，计算机运算性能的不断提高，为无人机准确识别和定位绝缘子，实时跟踪拍摄开辟了新的解决途径。本文对输电线路中绝缘子进行识别及定位，利用深度学习技术采取基于YOLOv5 算法的目标检测手段，结合绝缘子数据集的特点，对无人机拍摄图片进行训练，实现对绝缘子精准识别和定位，大幅提升无人机巡检时对绝缘子设备准确跟踪、判定的效率，具有十分重要的应用效果。本项目可以作为计算机专业毕业涉及，提供处理好的数据集、视频和三组训练好的模型，部署简单，并且具有可用于图片检测和视频检测的图形化界面，方便易用。

pyqt+yolov5+pcb缺陷检测，登入界面+支持图像视频检测整体为YoloV5的代码 ui文件夹中存放ui的py文件和原件，便于使用与更改 ui_img存放ui使用的图像文件 utils中添加了一个用户账户工具id_utils.py detect_logical.py是检测界面的逻辑代码 main_logic.py是主界面的逻辑代码 userinfo.csv存放用户账号id信息

钢材表面缺陷检测数据集：NEU-DET 1.包含YOLO模型所需处理好的.txt标签labels文件，已测试； 2.包含所有1800张原始图片及标签xml文件。

本人收集到的各种场景绝缘子数据，包含正常与缺陷，可用来训练绝缘子检测，分割或者缺陷绝缘子识别网络，持续收集中~