风力涡轮机损伤检测图像数据集（400多张图像，VOC标签）

小尺寸太阳能损伤检测红外图像数据集（几十张图像，voc标签）

小太阳能电池板损伤检测可见光图像数据集（1k多张，voc标签）

大太阳能损伤检测可见光图像数据集（200多张，voc标签）

针对目前输送带损伤检测方法缺乏对输送带撕裂以外其他损伤类型研究的问题，提出一种基于深度学习的矿用输送带损伤检测方法，通过Yolov4tiny目标检测网络对输送带损伤类型进行分类。Yolov4-tiny目标检测网络以CSPDarknet53-tiny作为主干特征提取网络，借鉴Resnet残差思想，使用残差块防止深层网络中高层语义特征丢失，同时采用特征金字塔网络实现高低层语义信息融合，达到提高检测精度的目的；将CSPDarknet53-tiny中的2个有效特征层输入预测网络Yolo Head，通过得分排序和非极大值抑制算法对预测框进行筛选，从而预测输送带损伤类型。实验结果表明，Yolov4〖HT5,6”〗-〖HT5〗tiny目标检测网络在输送带损伤数据集上对表面划伤、撕裂、表面破损和击穿4种损伤类型检测的平均精度分别为9936%，9485%，8930%，8676%，平均精度均值达9257%；与Faster-RCNN，RFBnet，M2det，SSD，Yolov3，EfficientDet和Yolov4目标检测网络相比，Yolov4-tiny目标检测网络在数据集上取得了最快的检测

基于最大相似原理的主动Lamb波损伤检测方法研究，刘鎏，闫云聚，针对结构边界处特征反射波与损伤反射波容易产生混叠的问题，提出了一种基于最大相似性的主动Lamb波损伤信号分解算法。在分析Lamb波�

电厂远程损伤检测图像数据集（大型与小型太阳能电池板+红外热图+风力涡轮机缺陷图像）-无人机图像与VOC标签，可用于目标检测、图像识别等人工智能领域，实现缺陷的自动化检测。

热太阳能、大太阳能、小太阳能、风力涡轮机图像数据集的电厂远程损伤检测图像数据集（无人机图像，含VOC标签）

基于谱元法和波传播的裂纹梁损伤检测，王丹生，金涛，基于波动理论和弯曲弹簧模型推导了裂纹梁谱单元刚度矩阵。阐述了基于谱元法（Spectral Element Method, SEM）和波传播的结构损伤检测方法�