智慧电力设备巡检数据集 电力智能化巡检项目 电力设备缺陷识别 绝缘缺陷图像识别 输电线路巡检图像数据集 YOLO深度学习第10370期
目标检测数据集说明
一、数据集核心信息
| 项目 | 详情 |
|---|---|
| 类别数量及中文名称 | 28 类：布桶、陶土电箱（半装）、陶土电箱（无盖）、聚合物电箱（半装）、聚合物电箱（组装）、聚合物电箱（破损）、金属电箱（半装）、金属电箱（无盖）、坐式设备、带盖箱子、dbcs 设备（中文暂缺，按原标识）、dcl 设备（中文暂缺，按原标识）、包裹桶、平板桶、单体桶、锥形桶、托盘桶、fco 设备（中文暂缺，按原标识）、kdo 设备（中文暂缺，按原标识）、kdre 设备（中文暂缺，按原标识）、kneo 设备（中文暂缺，按原标识）、krang 设备（中文暂缺，按原标识）、lbs 设备（中文暂缺，按原标识）、mnoi 设备（中文暂缺，按原标识）、rec 设备（中文暂缺，按原标识）、vday 设备（中文暂缺，按原标识）、xa 设备（中文暂缺，按原标识） |
| 数据数量 | 2700 条 |
| 数据集格式种类 | YOLO 格式（中文表述：目标检测常用标注格式，按行业通用称呼） |
| 最重要应用价值 | 为工业设备目标检测模型开发提供标注数据，适用于工厂设备识别、仓储设备盘点、工业场景安全巡检等领域，助力提升工业智能化场景下目标检测模型的识别精度与泛化能力 |
二、数据三要素概述
（一）类别特点
覆盖 28 类工业相关设备与容器，类别划分聚焦工业场景实际需求，涵盖设备、容器等核心检测对象；
类别命名结合设备材质（如陶土、聚合物、金属）、状态（如半装、无盖、破损），清晰反映对象特征，便于模型精准学习。
（二）数量优势
2700 条数据规模可满足基础模型训练需求，为模型学习提供充足样本，减少过拟合风险；
数据量能支撑模型在不同工业子场景（如不同工厂车间、仓储环境）下的适配性验证，提升模型适用性。
（三）应用价值亮点
助力工厂自动化改造，为设备实时识别与状态监控提供数据支撑，推动生产流程智能化；
为仓储智能化管理提供数据基础，辅助提升货物盘点效率，降低人工操作成本；
支撑工业安全巡检模型开发，通过模型自动识别设备状态，降低人工巡检成本与安全风险。