- 综合排序
- 最热优先
- 最新优先
- 来自专栏人工智能数据集
人工智能数据集-【工业制造篇】
今天给大家分享人工智能数据集，工业制造相关数据，需要的同学可以下载使用。 1、SeverStal 钢铁表面缺陷数据集 下载地址：SeverStal 钢铁表面缺陷数据集 2、MVTec 工业3D对象检测数据集 (MVTec ITODD) MVTec 工业 3D 对象检测数据集 (MVTec ITODD) 是用于 3D 对象检测和姿态估计的公共数据集，重点关注工业设置和应用。 这导致了11个具有不同条件的不同类别。每种情况都通过12种不同的操作条件进行了多次测量，这意味着通过不同的速度、负载力矩和负载力。电流信号是用电流探头和示波器 在两相上测量的。 有关此数据集中考虑的测量记录的气体身份名称、浓度值 和时间分布序列的详细信息。 下载地址：工业制造_公开数据集_帕依提提-人工智能数据集服务平台
2K40编辑于 2021-12-12 - 来自专栏YOLO大作战
YOLO11-seg分割：如何训练自己的数据集：包裹分割数据集
本文内容：如何训练包裹分割数据集，包装分割数据集（Package Segmentation Dataset）推动的包装分割对于优化物流、加强最后一英里配送、改进制造质量控制以及促进智能城市解决方案至关重要 适用场景：红外、小目标检测、工业缺陷检测、医学影像、遥感目标检测、低对比度场景适用任务：所有改进点适用【检测】、【分割】、【pose】、【分类】等全网独家首发创新，【自研多个自研模块】，【多创新点组合适合 Segmentation 官方在COCO数据集上做了更多测试： 2.数据集介绍 包裹分割数据集是一个精选的图片集合，专门为计算机视觉领域中与包裹分割相关的任务量身定制。 数据集结构包装分割数据集的数据分布结构如下：训练集：包含 1920 幅图像及其相应的注释。测试集：由 89 幅图像组成，每幅图像都与各自的注释配对。 该数据集包含在不同地点、环境和密度下拍摄的各种图像。该数据集是开发该任务专用模型的综合资源。这个例子强调了数据集的多样性和复杂性，突出了高质量传感器数据对于涉及无人机的计算机视觉任务的重要性。
2.2K20编辑于 2024-12-14 YOLO11算法深度解析：四大工业场景实战，开源数据集助力AI质检落地
如今，随着Ultralytics YOLO11的发布，工业质检正式迈入高精度、高速度、高适应性的AI新阶段。YOLO11算法深度解析：为何如此适配工业缺陷检测？ 、粉尘干扰、设备振动等问题普遍存在：数据增强策略优化：专门针对工业场景的光照变化、模糊、噪声等进行增强注意力机制融合：EMA、CBAM等注意力模块的集成，提升模型抗干扰能力动态阈值调整：根据环境变化自动调整检测阈值 算法适配优势：强反光表面适应：专门优化了高反光金属表面的缺陷检测算法高温环境适应性：能够在轧钢生产线的高温环境下稳定运行连续运动目标检测：针对高速运动的钢板、钢带实现实时在线检测这些数据集已在Coovally 自监督学习应用利用未标注数据预训练，降低标注成本对比学习增强特征表示能力3. 随着算法的持续优化和应用场景的不断拓展，YOLO11不仅将推动工业质检技术向前发展，更将为智能制造、工业4.0等重大战略的实施提供坚实的技术支撑。
64010编辑于 2025-12-24最大工业机器人抓取数据集ARMBench发布
某中心发布最大规模工业“抓取和放置”机器人训练数据集为提升仓库中负责分拣、抓取和打包产品的机器人性能，某中心公开发布了在工业产品分拣场景中捕获的最大规模图像数据集。 此前最大的工业图像数据集仅包含约100个对象，而名为ARMBench的该数据集则包含了超过190,000个对象。因此，该数据集可用于训练“抓取和放置”机器人，使其能更好地适应新产品和新场景。 数据集细分与挑战物体分割数据集包含超过50,000张图像，每张图像包含1到50个手动分割的物体，平均约10.5个。 物体识别数据集包含超过235,000个标记的“抓取活动”；每个抓取活动包括一张抓取图像和三张转移图像。 缺陷检测数据集包括静态图像和视频。超过19,000张静态图像是在转移阶段捕获的，旨在训练缺陷检测模型，以判断机械臂是否意外损坏了物体或一次抓取了多个物体。
18910编辑于 2025-12-25- 来自专栏技术汇总专栏
金属外表多种生锈检测数据集（1200张图片已划分）｜面向工业巡检的目标检测数据集
金属外表多种生锈检测数据集（1200张图片已划分）｜面向工业巡检的目标检测数据集在工业设备智能运维、基础设施安全评估与城市大型金属结构全生命周期管理不断推进的背景下，金属锈蚀的自动化识别与精确定位已成为工业视觉领域的重要研究与落地方向 本数据集正是在这一工程需求背景下构建，面向工业级金属外表锈蚀的多类别目标检测任务。 数据集核心特点✅覆盖4种工业常见锈蚀类型✅图像来源多样，包含不同材质、光照、拍摄距离✅已完成训练验证测试集严格划分✅标注精细，适合工业级模型训练与评估✅可直接用于无人机巡检、工业视觉系统开发类别定义（classes ）✅RT-DETR（高精度需求场景）✅FasterR-CNN（离线精细分析）该数据集非常适合作为：工业目标检测入门实战YOLO工程化项目案例无人机视觉巡检系统训练数据六、结语金属锈蚀并非简单的“表面问题 通过构建标准化、可复用、可扩展的金属锈蚀目标检测数据集，并结合深度学习模型进行自动识别，我们可以：提前发现隐蔽风险降低人工巡检成本提升工业运维智能化水平构建真正可落地的AI工业应用系统本数据集为后续YOLO
36110编辑于 2025-12-25 天气识别分类数据集6862张11类别
数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：6862 分类类别数：11 类别名称:["dew","fogsmog","frost","glaze" 图片数：377 rain 图片数：526 rainbow 图片数：232 rime 图片数：1160 sandstorm 图片数：692 snow 图片数：621 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证 ，数据集只提供准确且合理分类存放 图片预览： 数据集地址：download.csdn.net/download/FL1623863129/88540374
15000编辑于 2025-07-15- 来自专栏深度学习和计算机视觉
基于yolov11的手语检测 | 附数据集+代码
参数更少，准确性更高：随着模型设计的进步，YOLO11m在COCO数据集上实现了更高的平均精度均值（mAP），同时比YOLOv8m使用的参数减少了22%，使其在不牺牲准确性的情况下具有计算效率。 数据集信息 在此项目中使用的美国手语（ASL）数据集来源自Roboflow Universe/duyguj/american-sign-language-letters。 训练过程 YOLO11模型在此ASL数据集上进行了微调，专门用于手语目标检测。这个训练过程包括： 数据集增强：使用Roboflow通过转换来增强数据集。 模型训练：使用这个增强的数据集训练YOLOv11，并使用单独的验证数据集来验证性能。 测试：训练完成后，模型在专用的测试集上进行测试，以评估其预测未见数据的能力。 配置API密钥以加载数据集 为了微调YOLO11，你需要提供你的Roboflow API密钥。请按照以下步骤操作： 前往你的Roboflow设置页面，点击复制，这将把你的私有密钥放在剪贴板中。
2K11编辑于 2024-12-09 - 来自专栏相约机器人
PaddleNLP：工业级中文NLP开源工具集
为了适应全面丰富的NLP任务，方便更多开发者灵活插拔尝试多种网络结构，并且让应用最快速达到工业级效果，今年4月23日，百度正式开放了工业级中文NLP工具与预训练模型集——PaddleNLP(nlp.baidu.com 工具集拥有当前业内效果最好的中⽂语义表示模型和基于用户大数据训练的应用任务模型，模型源于产业实践，达到工业级的应用效果。 PaddlePaddle 是中国首个、也是目前国内唯一开源开放，集核心框架、工具组件和服务平台为一体的端到端开源深度学习平台，其囊括支持面向真实场景应用、达到工业级应用效果的模型，并具备针对大规模数据场景的分布式训练能力 与此同时，百度还开放了在对话等任务的开放数据集上超越SOTA效果的模型网络结构与参数，方便相关领域研究人员快速验证、使用。 除了开放预训练模型，PaddleNLP还开放了相关任务的评测数据集。这些数据来自于百度真实的工业化场景，能够很好地对模型效果进行评估。
1.2K30发布于 2019-06-21 - 来自专栏数据科学和人工智能
数据集 | 图书数据集
下载数据集请登录爱数科(www.idatascience.cn) 由电商平台爬取的图书信息，包括书名、出版信息、当前价格等。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 当当网搜索页面爬取。
2.9K40编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 行星数据集
下载数据集请登录爱数科(www.idatascience.cn) 其记录了2014年之前天文学家在恒星（除了太阳）周围发现的行星的信息。 1. 字段描述 2. 数据预览 3. 数据来源 来源于UCI机器学习库。
2.1K20编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 订购数据集
下载数据集请登录爱数科(www.idatascience.cn) 该数据集记录了一家全球超市4年的订购数据，包含订单的订单号、下单时间、发货时间、运输模式、顾客名称和地区等信息。 1. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
2.2K30编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 鲍鱼数据集
下载数据集请登录爱数科(www.idatascience.cn) 通过物理测量预测鲍鱼的年龄。 从原始数据中删除了缺失值的样本，并且对连续值的范围进行了缩放。数据集共4177个样本，8个字段 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 Warwick J Nash, Tracy L Sellers, Simon R Talbot, Andrew J Cawthorn and Wes B Ford (1994) "The Population 数据引用 Nash W J, Sellers T L, Talbot S R, et al.
2.9K40编辑于 2022-03-30 - 来自专栏技术汇总专栏
焊接情况检测数据集（千张图片已划分）| 面向工业质检的目标检测训练集
焊接情况检测数据集（千张图片已划分）|面向工业质检的目标检测训练集在现代工业制造体系中，焊接质量作为产品可靠性的重要指标之一，直接影响结构件的力学性能、安全性和使用寿命。 随着工业视觉和深度学习的发展，利用AI模型自动检测焊缝质量逐渐成为行业趋势。而高质量的焊接检测数据集，正是训练这类模型的核心基础。 总结来看，本次分享的焊接情况检测数据集为工业智能化提供了坚实的基础。 通过合理划分训练集、验证集和测试集，开发者可以充分利用数据进行模型优化与验证，从而在实际工业生产环境中实现对焊接表面缺陷的自动检测与监控。 总之，这份数据集是工业AI应用中不可或缺的资源，为焊接检测技术的研究与实践提供了坚实的数据基础。
69810编辑于 2025-11-12 - 来自专栏数据科学和人工智能
数据集 | 小费数据集
下载数据集请登录爱数科(www.idatascience.cn) 小费数据集 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源
1.9K20编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 广告数据集
下载数据集请登录爱数科(www.idatascience.cn) 数据集由 Jose Portilla 和 Pierian Data 为他的 Udemy 课程（Python 数据科学和机器学习训练营） 创建,适合用于数据分析与逻辑回归预测。 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
2.5K30编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 苹果股价数据集
下载数据集请登录爱数科(www.idatascience.cn) 这个数据集涵盖了过去6年苹果公司的股价。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
1.9K30编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 中风预测数据集
数据集下载请登录爱数科（www.idatascience.cn） 根据世界卫生组织（WHO）的数据，中风是全球第二大死亡原因，约占总死亡人数的11％。 该数据集用于根据输入参数（例如性别，年龄，各种疾病和吸烟状况）预测患者是否可能中风。数据中的每一行都提供有关患者的相关信息。 1. 字段描述 2. 数据预览 3. 字段诊断信息
2.4K40编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 超市购物数据集
下载数据集请登录爱数科(www.idatascience.cn) 人口稠密的城市中超市数量在快速增加，市场竞争也很激烈。 该数据集记录了几家超市在3个不同分店中3个月的历史销售额，包含顾客性别、商品单价、销售数量、销售日期、总收入和顾客评价等信息。预测数据分析方法很容易应用于此数据集。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
3.7K20编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | Udemy课程数据集
下载数据集请登录爱数科(www.idatascience.cn) 该数据集包含来自Udemy的4个科目(商业金融、平面设计、乐器和网页设计)的3.682条课程记录。 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。 5. 数据引用
2.1K20编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 婚姻情况数据集
下载数据集请登录爱数科(www.idatascience.cn) 某社会实验内容为男人和女人签约嫁给一个他们以前从未见过的完全陌生的人。专家根据测试和面试对夫妇进行配对。 该数据集记录了十次该社会实验的数据。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
1.8K10编辑于 2022-03-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号