煤炭质量目标检测数据集 、| 煤炭检测 工业视觉 质量分级 异物检测 煤炭异物8005期

煤炭质量目标检测数据集 、| 煤炭检测 工业视觉 质量分级 异物检测 煤炭异物8005期

数据集概述

本数据集专注于煤炭表面缺陷与杂质视觉检测,服务于煤炭加工、质量管控及能源行业智能化转型。数据涵盖常见煤质异常情况,适配传送带在线监测、煤炭分选及质量分级等场景。

数据集核心信息

数据要素 详细说明
类别 共 4 类:裂纹、孔洞、大块煤、异物
数量 1100 张图像
格式 图像为 JPG/PNG;标签为 YOLO 格式的 txt 文件(水平边界框)
应用价值 1. 智能分选 :辅助煤炭洗选过程中自动识别并剔除大块煤和异物,提升产品纯度。 2. 质量评估 :通过裂纹与孔洞检测判断煤炭结构完整性,评估其工业用途价值。 3. 安全预警:识别可能损坏破碎设备的金属或硬质异物,保障生产安全。

数据三要素解析

类别与数量

  • 数据集定义 4 个与煤炭质量直接相关的类别:裂纹 、孔洞 、大块煤 、异物,分别对应煤块结构缺陷、尺寸异常和外来污染物。
  • 图像总量约 1100 张,规模适中,适合作为工业视觉检测的入门数据集或特定场景的快速验证。
  • 类别设置紧密围绕煤炭加工产业链的实际质检需求,具有较强的行业针对性。

格式与结构

  • 采用通用 YOLO 格式 ,每张图像对应一个同名 txt 标签文件,包含类别 ID 与归一化边界框坐标,可无缝接入 YOLOv5、YOLOv8 等主流检测框架。
  • 图像与标签一一对应,数据结构规范,便于进行训练/验证集划分与预处理集成。

应用与扩展

  • 数据集可扩展用于 裂纹长度/宽度估算 、孔洞面积统计 及 异物材质分类(金属、塑料、木材)等更精细的分析任务。
  • 可结合近红外光谱或X射线技术,构建 多模态煤炭品质检测系统,实现从表观到内部的全面评估。
  • 数据可迁移至 矿石、矿物 等类似颗粒材料的缺陷检测场景,进行微调适配。

知识普及:煤炭视觉检测的行业意义

传统煤炭检测多依赖人工目视或破坏性取样,效率低且难以覆盖全流程。基于计算机视觉的在线检测可实现 非接触、全样本、实时 的品质监控,助力选煤厂实现智能化升级。然而,煤矿环境粉尘多、光照差,对图像采集与模型稳定性提出较高要求。采用 防尘防爆相机 与 在线数据增强(模拟粉尘遮挡)策略,可提升实际部署的可靠性。

快速开始(代码示例)

配置文件 data.yaml 示例:

yaml 复制代码
train: ./dataset/images/train
val: ./dataset/images/val
nc: 4
names: ['crack', 'hole', 'block', 'foreign']

启动 YOLOv8 训练:

python 复制代码
from ultralytics import YOLO
model = YOLO('yolov8m.pt')
model.train(data='data.yaml', epochs=100, imgsz=640, batch=16)

标签

煤炭检测 工业视觉 质量分级 异物检测 YOLO格式 深度学习数据集 计算机视觉

相关推荐
羲云网络16 分钟前
GPT Image 2.6 动态表情怎么改:从情绪歧义到动作节奏验收
人工智能·gif·图像编辑
EatFan1 小时前
AI Agent 工程化元年:从单体智能到 Agent 集群的架构演进与落地路径
人工智能·架构·ai agent·autogen·crewai·agent集群·记忆工程
泯泷1 小时前
别再“裸聊”大模型了!你家的 AI 为什么总胡说八道?根子在 RAG
人工智能·算法·架构
玖米GEO运营王总监1 小时前
成都AI数字人视频怎么批量生产?流程与合规标注
大数据·人工智能·音视频
硅谷秋水1 小时前
面向精确到达任务的机器人-对齐3D高斯溅射方法——基于腕部-相机VLA策略
数码相机·机器学习·计算机视觉·3d·机器人
f6m274dww2cmd2 小时前
拆一个类目第一的20个曝光词:43% 的搜索量来自第二页
人工智能
RobinDevNotes2 小时前
24GB Mac 做数字人:声音放本地,画面租云端
人工智能·python·macos·开发工具
user4465117917913 小时前
Agent 也能「过安检」:AgentScope 权限系统设计拆解
人工智能
烟小栀3 小时前
Windows下的深度学习环境配置参考及配置教程
人工智能
tellmewhoisi4 小时前
深度学习0:数学知识:最大似然推导过程
人工智能·深度学习·概率论