摘要：输电塔缺陷检测数据集是一个专门用于电力输电线路智能巡检的目标检测数据集，采用YOLO标注格式，包含23种常见输电塔缺陷类别。
数据集简介
数据集概述
输电塔缺陷检测数据集是一个专门用于电力输电线路智能巡检的目标检测数据集，采用YOLO标注格式，包含23种常见输电塔缺陷类别。数据集涵盖三大类型缺陷：结构性缺陷（11类，包括塔螺栓缺失/松动、构件生锈/弯曲、CC环破损、开口销缺失等）、电气设备缺陷（4类，包括均压环缺失/破损/反装、接地开路、ACD缺失等）、以及环境侵占问题（8类，包括灌木爬藤、鸟巢、通道侵占、塔上异物等）。数据集按训练集、验证集和测试集划分，适用于无人机巡检、智能机器人巡检和计算机视觉辅助检测系统开发。输电塔作为电力传输的关键基础设施，其安全状态直接影响电网稳定运行，传统人工巡检存在效率低、风险高、覆盖不全等问题，该数据集为推动电力巡检智能化、自动化提供了重要的训练数据支撑。
数据结构与关键特征
数据集采用YOLO标准目标检测格式，按训练集（train）、验证集（val）和测试集（test）三部分组织，每部分包含images和labels子目录，标注文件包含类别ID（0-22）和归一化边界框坐标。关键特征包括：细粒度多类别标注体系（23种缺陷类型按结构、电气、环境三维度分类，覆盖电力巡检关键检查项）、多尺度目标检测挑战（从小目标如螺栓、开口销到大范围如通道侵占）、真实电力巡检场景（输电塔、高压线路、复杂野外环境）、以及专业领域知识融入（类别设计反映电力行业运维需求，区分”螺栓缺失”与”螺栓松动”等细粒度状态）。数据集标注的缺陷类型具有明确的安全等级和维修优先级：结构性缺陷影响塔体稳定性，电气设备缺陷影响电气性能和人员安全，环境问题可能导致线路故障或安全隐患，为模型提供了丰富的语义信息用于智能决策支持。
应用价值与研究方向
该数据集在智能电网、电力巡检和工业视觉检测领域具有重要应用价值，可用于开发无人机自动巡检系统、智能缺陷识别平台、电力运维辅助决策系统和输电线路健康监测工具。研究方向包括：小目标检测算法优化（螺栓、开口销等小部件检测）、多尺度目标检测、细粒度分类算法、类不平衡问题处理、实时检测用于无人机边缘计算部署、多任务学习（同时进行缺陷检测与严重程度评估）、以及跨场景泛化能力提升。数据集的23类细粒度标注特别适合研究长尾分布学习、罕见但关键缺陷的检测准确率提升、以及如何结合领域知识进行缺陷优先级排序。此外，该数据集还可扩展至其他工业设备检测场景（风电塔、通信塔、桥梁结构）和基础设施巡检应用，为推动计算机视觉技术在电力行业的应用、降低人工巡检成本和风险、提升缺陷发现率和电网安全可靠性提供重要的数据支撑和技术基础。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-196
文件大小：8.1G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)