关于算法:天池数据集|精品数据集推荐工业篇

74次阅读

共计 1622 个字符,预计需要花费 5 分钟才能阅读完成。

数据是人工智能时代重要的生产因素,高质量训练数据对深度学习模型的建设和优化有关键性的作用,建设大规模、高水准的标注数据集,是推动 AI 科研和技术后退的驱动力。

制造业是我国国民经济的主体,推动数字化转型,降本增质提速是当今制造业的倒退方向。天池通过举办大数据比赛,心愿通过技术创新的形式来推动了产业的翻新倒退。AI 模型的落地离不开高质量数据集的撑持,天池平台凋谢出一批高标准严要求下实在业务场景的数据,涵盖纺织、食品饮料、非金属制品等行业,小萌喵明天就带大家一起来看看天池上凋谢的工业数据集。

布匹瑕疵检测数据集

钻研方向:工业质检 / 指标检测

2016 年我国布匹产量超过 700 亿米且产量始终处于回升趋势。布料与人们日常生活接触亲密,纺织行业在我国国民经济中所占的位置显而易见。工厂生产时,对大量布匹的质检通常都是工人肉眼实现的,这种模式检测速度慢、劳动强度大,而且受到工人主观因素影响,将人工智能和计算机视觉技术利用于纺织行业,能够进一步助力纺织行业的自动化,升高对人工的依赖,晋升布匹疵点测验的准确度,晋升布样疵点质检的成果和效率。

天池凋谢布匹疵点数据集,蕴含瑕疵各异的布匹照片,每张照片含素色布的一个或多种瑕疵。

理解更多详情 / 下载应用数据集请戳:https://tianchi.aliyun.com/da…

瓶装白酒疵品检测数据集

钻研方向:工业质检 / 指标检测

与布匹生产流程相似,在瓶装酒的生产过程中,受到原材料品质(酒瓶)以及加工工艺(灌装)等因素的影响,产品中可能存在各类瑕疵影响产品质量。但跟布匹不同的是,酒瓶上的瑕疵面积较小不容易被发现,并且瑕疵品种多,通常一条产线个别须要有三到五个质检环节别离检测不同类型的瑕疵。目前瓶装酒厂家只能抉择投入大量人力用于产品质检。如果能够引进高效、牢靠的自动化质检能够升高大量人工成本同时进步质检效,是十分有意义的工作。

天池提供白酒疵品数据集,数据集中白酒瓶身存在的各种瑕疵,包含:瓶盖瑕疵、标贴瑕疵、喷码瑕疵。

如需查看数据集更多具体内容请戳:https://tianchi.aliyun.com/da…

瓷砖外表暇疵检测数据集

钻研方向:工业质检 / 指标检测

以抛釉砖为例的瓷砖生产环节个别通过原材料混合研磨、脱水、压胚、喷墨印花、淋釉、烧制、抛光,最初进行品质检测和包装。得益于产业自动化的倒退,目前生产环节已根本实现无人化。而品质检测环节仍大量依赖人工实现。一般来说,一条产线须要配 2~6 名质检工,这样的质检形式效率低下、质检品质档次不齐、老本又居高不下。瓷砖的外表是用户掂量瓷砖品质的最直观规范,是瓷砖行业生产和品质治理的重要环节,也是困扰行业多年的技术瓶颈,同时长时间肉眼在强光下察看瓷砖外表寻找瑕疵也对工人的视力也会产生影响。如果能在技术上解决上述问题,无疑是有很大的经济价值和社会意义。

为了推动 AI 技术利用到传统的行业,天池推出瓷砖数据集,该数据集内含的数据笼罩到了瓷砖产线所有常见瑕疵,包含粉团、角裂、滴釉、断墨、滴墨、B 孔、落脏、边裂、缺角、砖渣、白边等。还有一些缺点只能在特定视角才能够察看,包含低角度光照黑白图、高角度光照黑白图、黑白图,保障笼罩到生产环境中产生的所有瑕疵能被辨认,是国内首个聚焦在瓷砖瑕疵质检的数据集。数据集下载请戳:https://tianchi.aliyun.com/da…

以上所有数据都是在业余人员领导下,通过产线上架设业余拍摄设施、实地采集生产过程实在的数据,保障了数据起源的可靠性和科学性。

在数据标注过程中,达摩院的算法专家们对数据品质进行了全程把关,保障了天池数据集的品质。

对于天池数据集

天池数据集是阿里团体的科研数据集开放平台,数据集笼罩了新批发、娱乐、医疗衰弱、交通、平安、能源、自然科学等十多个行业,涵盖了数据挖掘、机器学习、自然语言解决、计算机视觉、决策优化等前沿的技术畛域。小伙伴们能够点击下方浏览原文进入官网进行查看,还有更多宝藏数据等你发现。

正文完
 0