深度学习模型YOLO模型如何训练中国输电线路绝缘子数据集 CPLID（YOLO 目标检测）
CPLID 已经划分好8:1:1 可直接用于YOLO训练
中国输电线路绝缘子数据集(Chinese Power Line Insulator Dataset，CPLID)是第一个公开的绝缘子数据集，包含无人机拍摄的正常绝缘子图像和合成的绝缘子缺陷图像共848张，其中正常绝缘子图像600张，绝缘子缺陷图像248张，图像尺寸都为1152×684。
1
1
中国输电线路绝缘子数据集 CPLID（YOLO目标检测）
一、数据集信息表
| 项目 | 详细说明 |
|---|---|
| 数据集名称 | 中国输电线路绝缘子数据集（CPLID） |
| 任务类型 | 输电线路绝缘子缺陷检测（YOLO目标检测） |
| 总图片数量 | 848 张 |
| 图像分辨率 | 1152 × 684 |
| 数据构成 | 正常绝缘子：600 张 缺陷绝缘子：248 张 |
| 预设划分比例 | 8:1:1（训练集:验证集:测试集） |
| 训练集 | 678 张 |
| 验证集 | 85 张 |
| 测试集 | 85 张 |
| 标注格式 | YOLO TXT 标准标注 |
| 灵活拓展 | 支持按自定义比例重新划分数据集 |
| 适用场景 | 无人机电力巡检、输电线路缺陷检测、算法竞赛、毕业设计 |
二、数据集配置文件cplid.yaml
# CPLID 绝缘子数据集配置train:./images/trainval:./images/valtest:./images/testnc:2names:0:normal_insulator1:defect_insulator三、目录结构
CPLID/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── cplid.yaml四、环境依赖安装
pipinstallultralytics torch opencv-python五、YOLOv8 训练代码
fromultralyticsimportYOLO# 加载预训练模型model=YOLO("yolov8s.pt")# 开始训练model.train(data="cplid.yaml",epochs=100,imgsz=640,batch=8,device=0,patience=20,project="CPLID_Insulator",name="yolov8_train",save=True)# 模型验证评估model.val()六、YOLOv11 训练代码
fromultralyticsimportYOLO model=YOLO("yolov11s.pt")model.train(data="cplid.yaml",epochs=100,imgsz=640,batch=8,device=0,patience=20,project="CPLID_Insulator",name="yolov11_train",save=True)model.val()七、单图推理测试代码
fromultralyticsimportYOLOimportcv2# 加载训练完成的最优模型model=YOLO("runs/detect/yolov8_train/weights/best.pt")img_path="test.jpg"results=model(img_path,conf=0.25)# 绘制并保存结果result_img=results[0].plot()cv2.imwrite("detect_result.jpg",result_img)cv2.imshow("绝缘子检测结果",result_img)cv2.waitKey(0)cv2.destroyAllWindows()