Advertisement

变电站电力设备漏油图像数据集(VOC, 1000张图片)

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本数据集包含1000张针对变电站内电力设备漏油问题的专业图像,旨在促进相关故障检测算法的研发与优化。 数据集包含电力设备漏油图像,用于检测地面油污缺陷以确定设备是否存在漏油问题。所有数据均已标注,并采用VOC标签格式。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • (VOC, 1000)
    优质
    本数据集包含1000张针对变电站内电力设备漏油问题的专业图像,旨在促进相关故障检测算法的研发与优化。 数据集包含电力设备漏油图像,用于检测地面油污缺陷以确定设备是否存在漏油问题。所有数据均已标注,并采用VOC标签格式。
  • 检测VOC+YOLO格式,含338,1个类别).7z
    优质
    这是一个包含338张图像的数据集,用于电力设备漏油的视觉对象检测任务,采用VOC和YOLO兼容格式,专注于单一类别识别。 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):338 标注数量(xml文件个数):338 标注数量(txt文件个数):338 标注类别数:1 标注类别名称:[oil] 每个类别标注的框数: oil 框数 = 372 总框数:372 使用标注工具:labelImg 标注规则:对类别进行画矩形框 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,仅提供准确且合理的标注。
  • 用于内部绝缘检测的(含300余VOC标签)
    优质
    本数据集包含超过300幅图像及其对应的VOC标注信息,专门针对电力设备内部绝缘油泄露问题设计,旨在支持相关故障诊断研究与应用。 电力设备内部绝缘油泄漏检测图像数据集(包含300多张图片及VOC标签)。
  • 中的红外
    优质
    本数据集收录了变电站内各类电力设备的红外图像,旨在通过热成像技术监测电气设备运行状态,评估潜在故障风险,确保电力系统的安全稳定运行。 内含变电站电力设备的红外图像数据集,主要包括电压互感器、电流互感器及绝缘子等设备,总数约200张左右。该数据集无标签信息,适用于图像识别、图像处理、深度学习、目标检测和计算机视觉等领域研究使用。下载文件中包含有图片的具体下载链接,请放心下载。
  • 保护控制柜屏检(含700VOC标注)
    优质
    本数据集包含700张关于变电站继电保护控制柜屏检的图像,每张图片均进行了详细的VOC标注,旨在支持电力系统自动化领域的研究与开发。 数据内容包括变电站继电保护控制柜的屏幕图像,并使用VOC标签格式进行了标注。
  • VOC行人(含1000).zip
    优质
    本资源提供了一个包含1000张图像的VOC行人数据集,适用于物体检测和识别研究。每张图均标注了行人的位置信息。 我们有一个包含1000张图片的行人标注数据集。
  • 控制柜面板状态检测(含1800余VOC标注)
    优质
    本数据集包含超过1800张针对变电站控制柜面板状态的图像,并附有详细的VOC标注信息,为相关领域的研究与应用提供了宝贵的资源。 数据集包含1800多张变电站控制柜图片,并已进行标注。标签格式为VOC;各类别及数量如下:switch-left: 1191个;switch-center: 1566个;red: 396个;red-green: 394个;platen-on: 3378个;platen-off: 4696个;red-red-off: 648个;transformer: 558个;switch-right: 461个;green-green-off: 482个;platen-on-half: 187个;switch-center-half: 403个;transformer-on-half: 187个;transformer-on: 457个;red-red: 143个;green-green-red: 96个。
  • 流互感器的红外(含VOC标签,共889
    优质
    本数据集包含889张针对电压和电流互感器的变电站红外图像,并附有详细的VOC标签信息,用于支持设备状态监测与故障诊断研究。 该数据集包含889张变电站红外图像,并对其中的电流互感器和电压互感器进行了标注。电流互感器(TC)有516个标签,电压互感器(TP)有650个标签。
  • 基于PS技术的火灾检测(含1440余VOC标注
    优质
    本数据集采用PS技术构建,包含超过1440张针对变电站火灾场景的专业标注图片,旨在提升机器学习模型在复杂环境下的火灾识别能力。 我们拥有1440多张变电站火灾图像数据集,这些图像是通过Photoshop技术合成的,并利用旋转进行扩充处理。此外,所有图像都按照VOC格式进行了标注。