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

纸板缺陷检测图像数据集（3类缺陷，1000多张图像，VOC标签）.zip

手扶电梯缺陷检测图像数据集（VOC标签）.zip

1、yolov5绝缘子缺陷检测，包含训练好的道路指示牌识别权重，以及PR曲线，loss曲线等等，在绝缘子缺陷检测数据集中训练得到的权重，有pyqt界面，目标类别名为break_insulator共一个类别；并附绝缘子缺陷检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

用matlab画误差椭圆代码Defect_Detection_MatLab Matlab实施的自动化缺陷检测项目 项目结构概述 该项目是用Matlab编写的，并使用Matlab r2017a版本运行。 该项目已在macOS Sierra，Windows 7，Windows 10和Ubuntu 17.10平台上进行了测试。 代码的某些部分需要支持CUDA的GPU才能正常运行。 该项目具有三种文件类型：函数，脚本和数据文件夹。 函数可以分为几类，例如数据解析器，筛选方法等。脚本可以分为几类，例如图像增强，列车级联对象检测器。 为了方便调用不同的函数，所有函数文件和脚本都直接位于同一文件夹中。 图像数据位于项目文件夹的子文件夹中。 图像数据文件夹可分为几类，例如正图像，负图像。 例如，两组正面图像分别位于文件夹“ positive”和“ aug_training_positive_images”中。 下图显示了项目结构的概述。 以下各节介绍了有关每个类别的更多详细信息。 源代码 剧本 要开始该项目，请仔细阅读所有脚本，以详细了解完整的工作流程。 这些脚本可以逐步运行，并在工作区以及命令行窗口

电表缺陷检测识别图片模板，使用电表缺陷检测识别图片

有限边缘算力下电路板缺陷检测.zip

NEU-DET钢材表面缺陷检测数据集

物体缺陷检测仪 细节 目标操作系统： Ubuntu * 18.04 LTS 程式语言： Python * 3.6 完成时间： 30分钟 此参考实现也。 它能做什么 物体探伤仪应用程序可检测异常，例如颜色，裂纹和在传送带上移动的物体的方向。 异常被标记为有缺陷，并分别保存在颜色，裂纹，方向文件夹中。 同样，没有缺陷的对象也保存在no_defect文件夹中。 这些异常数据将发送到InfluxDB *数据库，并在Grafana *上可视化。 此应用程序还以毫米为单位测量对象的长度和宽度。 要求 Ubuntu 18.04 英特尔:registered:OpenVINO:trade_mark:工具包2020 R3发行版 Grafana * v5.3.2 InfluxDB * v1.6.2 建立 安装OpenVINO:trade_mark:工具包的英特尔:registered:发行版 有关如何安装和设置英特尔:registered:OpenVINO:trade_mark:工具包的更多信息，请参阅英特尔:registered:OpenVIN

1、YOLO破损绝缘子检测数据集，500多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO系列的绝缘子缺陷目标检测；数据场景丰富；类别为break_insulator共一个类别目标 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743