本文介绍了用于番茄叶片病害检测的数据集及训练模型。数据集包含1500张已标注图片，涵盖5种类别（早疫病、健康、晚疫病、花叶病、黄花曲叶病），并按1250:250划分训练集和验证集。基于该数据集训练的YOLOv5和YOLOv8模型表现优异，其中YOLOv5模型mAP达0.988，YOLOv8模型mAP更高达0.995。

本文数据集包含1800张已标注图片，涵盖6类缺陷：裂痕、夹杂物、板块、麻点、压入氧化皮和划痕。数据已划分为1440张训练集和360张验证集，可直接用于目标检测训练。提供两种预训练模型结果：YOLOv5模型（mAP 0.699）和YOLOv8模型（mAP 0.707）。

本文介绍了一个包含7类PCB缺陷的检测数据集，共计2590张标注图片，划分为训练集(2026)、验证集(377)和测试集(187)。数据集可直接用于目标检测训练，类别包括过量焊接、开路、短路等常见PCB缺陷。同时提供了YOLOv5和YOLOv8模型的训练结果，其中YOLOv5模型达到0.914的mAP。

本文介绍了一个包含10,000张已标注车牌图片的数据集（8,000张蓝牌、2,000张绿牌），训练集与验证集比例为8334:1666，可直接用于目标检测训练。数据集标注为txt格式，类别为"licence(车牌)"。同时提供了基于YOLOv5和YOLOv8训练的模型结果，两者在100轮训练后均达到0.994的mAP值。

该资源包含6744张已标注的火焰和烟雾图片数据集，划分为5463张训练集和1281张验证集，支持直接用于目标检测训练。数据集包含fire（火焰）和smoke（浓烟）两类标注。提供YOLOv5和YOLOv8两种预训练模型结果，其中YOLOv5-v7.0训练100轮达到0.864 mAP，YOLOv8训练100轮达到0.855 mAP。

本文介绍了包含3112张已标注图片的二维码数据集，划分为2623张训练集和489张验证集，可直接用于目标检测任务。展示了YOLOv5和YOLOv8模型训练100轮后的优异表现，两者mAP均达到0.995。

本文介绍了一个用于木材表面缺陷检测的数据集和训练模型。数据集包含4000张已标注图片，划分为3556张训练集和444张验证集，涵盖8类缺陷类型：石细胞、活节、髓心、树脂、死节、带裂纹的节、缺节和裂纹。作者提供了YOLOv5（map0.675）和YOLOv8（map0.699）两种训练100轮的模型结果，均达到较好检测效果。

本文介绍了包含3112张已标注图片的二维码数据集，划分为2623张训练集和489张验证集，可直接用于目标检测任务。展示了YOLOv5和YOLOv8模型训练100轮后的优异表现，两者mAP均达到0.995。

本文介绍了一个包含7类PCB缺陷的检测数据集，共计2590张标注图片，划分为训练集(2026)、验证集(377)和测试集(187)。数据集可直接用于目标检测训练，类别包括过量焊接、开路、短路等常见PCB缺陷。同时提供了YOLOv5和YOLOv8模型的训练结果，其中YOLOv5模型达到0.914的mAP。

本文数据集包含1800张已标注图片，涵盖6类缺陷：裂痕、夹杂物、板块、麻点、压入氧化皮和划痕。数据已划分为1440张训练集和360张验证集，可直接用于目标检测训练。提供两种预训练模型结果：YOLOv5模型（mAP 0.699）和YOLOv8模型（mAP 0.707）。