接上篇（JPEGWELD），介绍线结构光焊缝数据集（LSWD）：附编码一维焊缝数据为彩色二维图像的python代码

接上篇（JPEGWELD）,线结构光焊缝数据集（LSWD）通过激光传感器和三角测量原理制作而成，非常适合小样本的焊缝分类识别任务，在线结构光焊缝数据集（LSWD）中：

1.同样有四种缺陷类型说明：
MC：毛刺焊缝缺陷
OX：凹陷焊缝缺陷
QC：孔洞焊缝缺陷
WD：无明显缺陷

 

2.括号类型解释：
（BMP）：线结构光采集BMP格式原始焊缝缺陷图像，分辨率1280*520
（512）：对应JPG格式原始焊缝缺陷图像，分辨率512*512
（TXT）：原始焊缝缺陷图像对应的激光打点数据，每行848个激光点，大小表示焊缝高低
（GADF）：由TXT编码得到的GADF格式二维时间序列图像，分辨率512*512
（GASF）：由TXT编码得到的GASF格式二维时间序列图像，分辨率512*512
（MTF）：由TXT编码得到的MTF格式二维时间序列图像，分辨率512*512

 

3.数据集目录：

文本为焊缝线结构光图像中心提取线的高精度数据。每个文本848个点代表了焊缝高度位置信息：

 

 

 

 

 

 

（1）原始线结构光焊缝数据集图像MC(BMP/512)如图：

毛刺缺陷线结构光焊缝数据（798张）：

 

凹陷缺陷线结构光焊缝数据（421张）：

 

 

 

 孔洞缺陷线结构光焊缝数据（108张）：

 

无缺陷线结构光焊缝数据（353张）：

 

 

 

 （2）通过文本一维高精度焊缝数据编码对应的线结构光焊缝数据集图像GASF/GADF,MTF如下，（编码二维彩色图像具体原理参考我刚发表的SCI论文：https://www.mdpi.com/2076-3417/12/15/7837，许多其他领域的一维数据其实都可以用该原理处理，实现缺陷或者特征的升维，进而提高神经网络对于数据的泛化能力，编码后数据集在不同神经网络上都表现出优异性能，代码会公布在文后）：

GADF（毛刺，凹陷，孔洞）

 

 

 

 

 

 

 

 

GASF（毛刺，凹陷，孔洞）

 

 

 

 

 

 

 

 

MTF（毛刺，凹陷，孔洞）

 

 

 

 

 

 

 

 

 

 （4）公布GASF/GADF，MTF的python实现代码,代码实现很简单，读入可以是csv文件，循环编码自动保存生成图像，使用到了python中GASF/GADF，MTF库：

GASF/GADF的实现:

 

import numpy as np
import matplotlib.pyplot as plt
from pyts.image import GASF, GADF
for i in range(12):
    x = np.loadtxt(open("0211.csv","rb"%(i+1)),delimiter=",",skiprows=0).T
    # print(type(x),x.shape)
    X = x[0:]
    X = X.reshape(1, -1)
    print(type(X),X.shape)
    image_size = 9
    gasf = GASF(image_size)
    X_gasf = gasf.fit_transform(X)
    print(X_gasf.shape)
    print(X_gasf[0,4,2],X_gasf[0,2,4])
    gadf = GADF(image_size)
    X_gadf = gadf.fit_transform(X)
    print(X_gadf[0,1,2],X_gadf[0,2,1])
    # Show the results for the first time series
    plt.figure(figsize=(5,5))
    plt.axis('off')
    plt.imshow(X_gadf[0], cmap='rainbow', origin='lower')
    plt.subplots_adjust ( top=1, bottom=0, right=1, left=0, hspace=0, wspace=0 )
    plt.margins ( 0, 0 )
    plt.savefig("GADF0%i.png"%(i+1))
    #plt.title("GADF", fontsize=20)
    #plt.savefig('r4.jpg')
    #plt.show()
    i = i+1

MTF的实现：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pyts.image import MarkovTransitionField
for i in range(1):
 # data=pd.read_csv("WD%i-H.csv"%(i+1),header=None)
 data = pd.read_csv("124.csv", header=None)
 #必须添加header=None，否则默认把第一行数据处理成列名导致缺失
 X =data.values.tolist()
 # MTF transformation
 mtf = MarkovTransitionField(image_size=10)
 X_mtf = mtf.fit_transform(X)
 # Show the image for the first time series
 plt.figure(figsize=(10, 10))
 plt.imshow(X_mtf[0], cmap='rainbow', origin='lower')
 #plt.title('Markov Transition Field', fontsize=18)
 #plt.colorbar(fraction=0.0457, pad=0.04)
 plt.tight_layout()
 plt.axis('off')
 plt.subplots_adjust(top=1, bottom=0, right=1, left=0, hspace=0, wspace=0)
 plt.margins(0, 0)
 # plt.savefig ("WD1.png"%(i+1))
 plt.savefig("WD1.png")
 plt.show()
 i=i+1

 可闲鱼平台科研交流联系，【闲鱼】https://m.tb.cn/h.5EkFEi9?tk=Y2NsWOuclYn MF7997 「我在闲鱼发布了【JPEGWD数据集（博客园），焊接缺陷检测NDT专用数据集,】」

点击链接直接打开。

APP关键字LSWD焊缝数据集、yolov5钢板表面缺陷检测、计算机领域审稿意见指导等搜索，冒出者较多，请认准闲鱼店铺用户名：smile4090。闲鱼链接：https://m.tb.cn/h.T0FAZD0?tk=RukX3rF4pLF