Dataset for surface defect detection and prediction in laser processed cutting tools using machine learning

This datasets relates to research for surface defect detection from laser processing in cutting tool materials.
This data contains an example image data set of 78 SEM microstructure images processed at various laser parameters. The MATLAB binary data compressed file (.mat) is the corresponding ground truth information, which categorizes the main types of defects.
Detection network (.xlsx) - This data file details the AlexNet R-CNN network, training progress via transfer learning, and the detection result.
Predictive network (.xlsx) - This data file details the BPNN network, training data from R-CNN output, and the validation performance.

本数据集面向刀具材料激光加工过程中的表面缺陷检测研究。
本数据集包含78幅经不同激光参数加工后的扫描电子显微镜（Scanning Electron Microscope, SEM）显微结构图像样本集。配套的MATLAB二进制压缩文件（.mat）存储了对应的真值标签（ground truth）信息，可对各类主要缺陷类型进行分类标注。
检测网络数据文件（.xlsx）：该文件详细记录了AlexNet R-CNN网络、基于迁移学习的训练流程，以及最终的检测结果。
预测网络数据文件（.xlsx）：该文件详细记录了反向传播神经网络（Back Propagation Neural Network, BPNN）、源自R-CNN输出结果的训练数据，以及模型验证性能指标。

搜集汇总

背景与挑战

背景概述

该数据集专注于激光加工切削工具表面缺陷的检测和预测，包含78张SEM显微结构图像及对应的地面实况标注，用于训练AlexNet R-CNN检测网络和BPNN预测网络。数据集由Loughborough University发布，适用于机器学习应用，如特征提取和卷积神经网络建模，旨在支持缺陷识别和预测研究。