高压电线电力巡检六类图像识别数据集（2000 张图片已划分、已标注）

在电力巡检领域，图像智能识别技术正逐步替代传统人工巡检方式，以实现更高效、更可靠的运行维护管理。本数据集专为高压输电线路的电力巡检任务设计，涵盖六类典型场景与目标，具备高质量图像、完善标注信息与清晰的数据结构，适用于目标检测、故障识别等任务。

数据集共 2000 张图片，已完成标注与划分，具备开箱即用的特性。

已适配优化、划分，不用任何修改，直接使用。

背景

随着电力系统规模的不断扩大和高压输电线路的广泛铺设，输电线路的安全运行已成为保障社会稳定和经济发展的关键环节。传统的人工巡检方式存在诸多不足，如效率低下、作业危险性高、检测结果主观性强等，难以满足现代电网对安全、智能、高效巡检的需求。

近年来，随着人工智能、计算机视觉和无人机技术的迅猛发展，基于图像识别的电力巡检系统逐渐兴起，成为电力运维智能化的重要方向。在这一背景下，高质量、贴近实际场景的图像识别数据集成为推动智能巡检技术落地的基础与前提。

为了满足电力图像识别模型训练与测试需求，我们构建并发布了高压电线电力巡检六类图像识别数据集，覆盖典型巡检目标，提供完整标注信息，旨在为研究者和工程实践者提供标准化、实用性的电力场景数据资源，推动智能电网建设与电力安全保障的发展。

数据集概述

• 图片总数：2000 张

• 图像格式：JPG

• 标注格式：YOLOv5/YOLOv8 支持的 .txt 文本格式（一图一标）

• 类别数量：6 类

• 类别标签：

• 电缆破损

• 绝缘子破损

• 正常电缆

• 正常绝缘子

• 杆塔

• 植被遮挡

• 数据划分比例：

• Train：1400 张

• Val：300 张

• Test：300 张

每张图像均配有标注文件，内容包括类别编号及其对应目标在图像中的相对位置与尺寸（YOLO 格式）。

数据集详情

标注工具：使用 LabelImg 进行手动精标图像来源：无人机巡检拍摄、模拟数据合成、实地采样数据混合构建图像分辨率：不固定，常见为 1280×720 及其变种

适用场景

本数据集适合以下研究与工程应用方向：

• 目标检测模型训练与测试

• 电力智能运维系统构建

• 缺陷检测与告警系统研究

• 迁移学习与小样本学习实验

• AI + 电力领域竞赛使用

• 智慧巡检与边缘计算部署

使用示例

# 项目结构datasets/├── images/│   ├── train/│   ├── val/│   └── test/├── labels/│   ├── train/│   ├── val/│   └── test/└── dataset.yaml

dataset.yaml 示例：

path: ./datasetstrain: images/trainval: images/valtest: images/test
nc: 6names: ['电缆破损', '绝缘子破损', '正常电缆', '正常绝缘子', '杆塔', '植被遮挡']

数据集分享

网盘链接: https://pan.baidu.com/s/1rNbncL8NWHBL9NeXMMkFkw?pwd=inck 提取码: inck

结语

随着电力巡检场景对智能识别系统的需求不断增长，构建高质量、真实场景覆盖的数据集变得尤为重要。我们发布的这套高压电力巡检六类图像数据集，旨在为研究者与开发者提供一个标准化、实用性强的实验平台。本数据集专为电力巡检任务设计，聚焦高压电线场景下的六类关键目标，包括破损与正常状态的电缆、绝缘子，以及杆塔和植被遮挡等，全面覆盖典型巡检问题。其具备以下特点：高质量标注：所有图像均采用标准 YOLO 格式标注，准确标出目标位置与类别；合理划分结构：已按训练、验证、测试集进行划分，开箱即用；应用价值广泛：适用于目标检测、缺陷识别、智能巡检等 AI+电力应用场景；支持主流框架：可直接用于 YOLOv5/YOLOv8 等目标检测模型训练。本数据集将为电力巡检智能化发展提供坚实数据基础，助力相关研究和工业实践更进一步。欢迎下载、引用与反馈，共同推动电力 AI 应用的深入发展。