绝缘套管红外检测数据集 | 绝缘套管 红外检测 电力巡检 发热诊断 9130期数据集概述本数据集专注于变电站绝缘套管的红外热成像视觉检测服务于电力设备状态评估、发热缺陷诊断及智能巡检。数据涵盖绝缘套管目标适配设备定位、温度异常筛查及运维决策等应用。数据集核心信息数据要素详细说明类别共1类绝缘套管数量9900张图像格式图像为 JPG/PNG分辨率640×640标签为 YOLO 格式的 txt 文件水平边界框数据划分训练集6930张验证集1980张测试集990张数据增强已包含旋转增强应用价值1.设备巡检支撑变电站绝缘套管的自动化定位与发热异常检测替代人工红外测温。2.缺陷诊断通过红外图像中套管的温度分布识别过热、温升异常等潜在故障。3.资产管理辅助套管位置确认与台账更新。4.算法研发为红外目标检测、电力设备识别等视觉任务提供大规模训练与评测数据。完整类别列表共1类序号英文名称中文释义标注框数量1Bushing绝缘套管34939数据三要素解析类别与目标覆盖数据集定义1个核心类别绝缘套管Bushing聚焦单一电力设备部件便于快速部署与高精度检测。标注框总数达34939个平均每张图像约含3.5个套管目标属于较密集的标注场景。绝缘套管是变电站常见设备其红外检测对发热缺陷诊断具有直接价值。数据规模与划分图像总量约9900张按7:2:1比例规范划分为训练集6930张、验证集1980张与测试集990张划分规范。图像分辨率统一为640×640可直接输入常见检测网络无需额外预处理。数据集已包含旋转增强有助于提升模型对套管不同朝向的适应能力。公开的模型性能指标显示YOLOv11n 训练100轮后 mAP 达82.2%表明数据集具有较高的标注质量与可区分度。附赠基于本数据集训练的best.pt 模型权重用户可直接推理或作为迁移学习起点。格式与结构采用通用YOLO 格式txt每张图像对应一个同名标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8、YOLOv11 等主流检测框架。图像与标签一一对应数据结构规范即拿即用。知识普及绝缘套管红外检测的技术要点红外热成像原理红外图像依赖物体自身热辐射成像可反映设备表面温度分布。套管发热异常如内部接触不良、绝缘老化在红外图像中呈现为高温亮区。套管发热诊断正常运行的套管温度相对均匀若出现局部过热可能预示内部缺陷。结合可见光图像可精确定位故障部位。目标形态与尺度套管在红外图像中呈柱状或伞裙状结构受拍摄角度影响形态变化较大。旋转增强有助于模型适应不同朝向。背景干扰变电站红外图像中其他设备如导线、互感器也可能发热与套管混淆模型需依赖形态特征进行区分。应用闭环检测结果可结合温度数据与设备台账生成套管健康档案与巡检报告辅助运维决策。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valtest:./dataset/images/testnc:1names:[Bushing]启动 YOLOv11 训练或加载提供的预训练权重fromultralyticsimportYOLO modelYOLO(yolo11n.pt)# 或加载提供的best.ptmodel.train(datadata.yaml,epochs100,imgsz640,batch16,device0)标签绝缘套管红外检测电力巡检发热诊断目标检测YOLO格式深度学习数据集计算机视觉
