船舶钢板表面焊接质量检测AI模型训练数据|工业质量检测数据集|人工智能数据集

随着工业4.0时代的发展,现代制造业对质量检测技术提出了更高要求。传统手工检测方法效率低下,难以满足大规模制造流水生产线的需求。与此同时,基于深度学习的计算机视觉技术在许多检测任务中均取得优异效果,为制造业数据驱动的智能化转型带来新机会。
在制造业领域,由于生产过程中的注重保密性,公开的检测数据集面临供给不足的困境,这也成为研究和产业应用难点之一。尤其是在船舶等规模化领域,公开相关产品质量检测数据集能够极大促进技术研发与产业升级。
数据集于2023年构建完成,数据源于某船厂实际生产线采集。数据集包含298张高质量的船舶钢板表面照片,井然有序的进行了分类和标注工作。标注采用COCO格式,对图片中的4类检测目标(焊接工件、缺陷、焊接线和工作件)进行了物体框定和分类标注。
数据集特点：
真实场景采集,近乎于工业检测任务需求;
丰富的样本数量,适用于深度学习模型训练;
细致的分类和标注工作,有助于学习特征提取;