针对输电线路无人机巡检任务，根据输电线路缺陷的基本特征，自建可用于输电线路多目标缺陷识别的数据集；绝缘子识别+缺陷检测，防震锤识别+缺陷检测（锈蚀）；均压环识别+均压环缺陷检测（倾斜）输电线路异物检测，鸟巢，气球、垃圾等；对数据集图像进行分类、标注和增强，原图经过翻转、旋转、缩放和亮度对比度增强，已打好标签。或联系Q：2954644583

数据内容为168张变电站及输电线路异物图像，已经对图像中的异物进行了标注，标签格式为VOC格式

可用于机场跑道异物检测，训练yolov5 等目标检测模型

电力杆塔异物数据集，包含图片和标签，总共4000+图片，标签为VOC格式，提供转txt代码，YOLOv5训练的代码，其中有用此数据集训练100轮的权重（best.pt），可以使用数据集用来学习和训练。

论文仅供学习参考。 因此本文主要针对机场跑道异物检测系统中可见光摄像机、红外摄像机传感器下 FOD 目标的检测、识别威胁等级估计等方法进行讨论，分析了两种传感器下目标的快速检测与识别算法，重点研究了基于图像视觉特征的 FOD 目标威胁等级估计与告警方法，而基于毫米波雷达信号的 FOD 目标检测与识别算法本文不展开讨论。

论文仅供学习和参考。 介绍了基于计算机视觉的机场跑道异物检测和识别系统。 首先介绍了其总体结构，然后提出一种基于边缘特征的异物检测方法，最后提出了基于 Gabor 纹理的异物特征提取方法，并以此为依据进行分类。

输电设备经常会出现各种异物，如鸟巢、塑料袋，如果不能及时发现并清理将会对输电系统造成很大的安全隐患。因此，及时对输电设备 是否有异物进行检测非常必要。针对该问题，提出了一种基于边缘计算和深度学习的异物检测方法，该方法与现有利用无人机拍摄传回云端服务器 计算方法不同，通过将检测计算下沉到边缘设备，使用Mobilenet 加上优化后SSD 的目标检测方法在边缘设备直接处理计算，将检测出异物的图像 发回云端。该方法在CPU 上的运行速度是基于VGG 的SSD 方法的5 倍左右，是Faster-RCNN 的58 倍左右，在模型大小上是基于VGG 的SSD 方 法的2/9 左右，是Faster-RCNN 的2/49 左右，精确度为89%；与直接将数据传回云端服务器再进行处理的方式相比，数据传输量减少约90%。该方 法不仅满足实时性，还具有可靠的效果，基于该方法的系统已经得到实际部署。

针对无线充电系统中金属及生物体异物的检测问题,本文围绕线圈阻抗的变化特性进行分析,利用在高频下金属物体对线圈磁场分布的影响以及生物体对线圈杂散参数的影响,提出了一种基于阻抗特性的异物检测方法。本文详细分析了不同类型异物引起的检测线圈阻抗变化特性,并通过大量实验数据进行了验证,在此基础上总结了不同类型和尺寸的异物对应的线圈阻抗变化规律。本文所提的异物检测方法能够区分异物的类型和尺寸,使无线充电系统能够采取更优化的处理异物的措施,具有成本低、效果好、稳定可靠等优点。

在智能输电线路综合监测系统中，基于航拍获得的视频图像进行故障的自动检测，具有安全可靠、不受地域影响、成本低以及高效快捷的优势。输电线路上悬挂的异物不仅影响线路的正常供电，还会危及电力线下的行人与车辆安全，严重时会造成 片区大面积停电。本文提出一种基于视觉显著性分析的输电线路异物检测方法，通过分析直升机巡检过程拍摄到的图片，在事先检测到的输电线路兴趣区域内根据人眼感知特性来计算视觉显著图，然后通过视觉显著度对颜色、形状或空间分布等特性对异物区域实现统一定位。该方法可及时地对输电线路上的异物进行自动识别，从而降低工作强度和提高工作效率。

行业资料-交通装置-一种基于复合检测的列车车门与站台屏蔽门之间异物检测系统.zip