电力线路缺陷目标检测YOLO数据集 2048x2048分辨率项目详情任务类型目标检测类别数量7分类类别名称导线脱落、卡扣缺失、鸟巢、树障左右、线鼻子断裂、电力缺陷、导线异常图片总量1025张数据集划分7:1:2分配 训练集880张 验证集40张 测试集80张标注格式YOLO txt格式、VOC xml格式可直接用于模型训练应用领域电网线路巡检、电力缺陷检测、无人机电力巡检、线路运维管理数据集简介该数据集为电力线路缺陷目标检测数据集采集自输电线路实拍画面覆盖架空线、杆塔等真实电网场景。针对线路常见缺陷做框选标注涵盖导线脱落、卡扣缺失、鸟巢、树障、线鼻子断裂等典型病害场景真实、缺陷形态多样。标注优势标注结果可直接用于 YOLO 系列目标检测模型训练无需额外格式转换极大降低数据准备成本。数据集标注质量稳定边界框贴合缺陷区域模型能区分不同类型的线路病害减少漏检误判。模型训练效果使用 YOLO26 完成训练后模型检测精度表现良好能够快速定位输电线路图像内的各类缺陷。除缺陷目标外数据集保留完整线路背景信息便于模型在复杂杆塔、天空、植被背景下仍保持稳定检测。数据集划分与拓展用途支持训练集、验证集、测试集按 7:1:2 科学划分图片总数充足方便用户复现训练流程并对比不同算法效果。该数据集可进一步用于电网安全预警、线路健康评估、缺陷等级分级、电力运维自动化等多项延伸任务。YOLO配置文件# 目标检测数据集配置 names: 0: 导线脱落 1: 卡扣缺失 2: 鸟巢 3: 树障 4: 线鼻子断裂 5: 电力缺陷 6: 导线异常YOLO26训练代码示例from ultralytics import YOLO # 加载YOLO26目标检测模型 model YOLO(yolo26n.pt) # 启动模型训练 model.train( data数据集配置.yaml, epochs100, imgsz640, batch8 )#电力缺陷 #目标检测 #线路巡检 #电网运维 #无人机巡检是否继续生成下一份数据集文档
