完好的绝缘子800张+有缺陷的绝缘子200张

配网绝缘子缺陷检测数据集（1w多张，含txt标签）

输电线路绝缘子红外图像数据集（100张，含标签）

输电线路绝缘子检测数据集（网盘下载链接，160张原图像）

玻璃绝缘子自爆图像数据集（3k多张，无标签）

2021.4.22 更新了全部标注的json文件！！！ 另有可跑通的整套deeplab_v3+的pytorch工程代码 电力巡检行业特殊数据集，由无人机或巡检机器人在塔内作业时拍摄得到，可用于缺陷检测玻璃绝缘子串是否自爆。数据集为4k分辨率的图像及对应的标签，每张均采用labelme软件，花费大量时间手工标注（标注不易请理解），mask格式为8位灰度图，像素值为（1,1,1），视觉效果为看不到物体的黑色但是有像素值。

1、绝缘子图像分割数据集 2、含标签 3、几千张图片

整理绝缘子训练集素材，添加了增强手段训练泛化能力更好。

用于深度目标识别训练，接触网及输电线上接触网的训练

摘要 输电线路是国家电力系统中负责电能输送的一个重要的组成部分。架空输电 线路长期经历着电闪雷击、风吹日晒、污秽、雨雪及沉陷等外界环境的侵害。目 前传统的电力巡检仍是人工巡检，新型技术利用无人机搭载高分辨摄像机，近距 离拍摄线路及其关键部件获取航拍图像来代替人工巡检。其中，航拍图像中输电 线路部件的识别及缺陷检测是关键技术也是技术难点。本文提出一种利用 Mask R-CNN 技术提取绝缘子串珠的掩膜图像、采用 Yolo-v3 和 Yolo-v4 进行对照，通 过神经网络模型对其绝缘子自爆区域进行特征提取，特征判断，识别定位。具体 流程如下：针对问题一中绝缘子串珠分割，本文根据不同绝缘子类型进行图像类别划 分，通过图像分割优化模型对小目标进行数据集制作。采用 Mask R-CNN 为框架 构建了深度学习算法，并以算法为核心搭建了绝缘子串图像检测平台。最后选取 数据集 80%进行模型训练，20%进行测试，使用极大值抑制算法，得出最佳先验 框（best_anchor），对经过模型得出的绝缘子掩模图与官方的绝缘子掩模图进行 计算，求出评价模型的 Dice 系数为 0.83