摘要：本研究基于自建的6类耐张线夹压接缺陷数据集（2,976张图像/4,032个标注框），采用YOLO11n模型开发了一套支持图片、视频及实时摄像头检测的输电线路耐张线夹压接缺陷检测系统。
数据集简介
本研究构建了一个涵盖6类耐张线夹压接缺陷的目标检测数据集，共2,976张图像、4,032个标注框，按7:2:1划分为训练集、验证集和测试集，采用YOLO标注格式。
数据集概述
本研究构建了一个专门用于输电线路耐张线夹压接缺陷检测的图像数据集。数据集包含2,976张高质量图像和4,032个精确标注框，涵盖欠压、过压、漏压、未压接、钢芯断裂、钢锚弯曲等6类常见压接缺陷类型。所有图像均采集自真实输电线路施工现场，确保了数据的真实性和代表性。
数据集采集过程充分考虑了实际应用场景的多样性，涵盖了不同光照条件、拍摄角度、拍摄距离和缺陷表现形式。数据标注采用La belImg工具进行人工精确标注，标注格式为YOLO格式（类别ID + 归一化坐标），所有标注结果均经过专业人员二次审核，确保标注质量。数据集按照70%/20%/10%的比例划分为训练集（2,083张） 、验证集（595张）和测试集（298张），保证了模型训练、验证和测试的科学性。
该数据集具有场景多样性、缺陷多样性、尺度多样性和复杂干扰等特点，包含了遮挡、光照变化等实际应用中的复杂情况。数据集的构建为基于深度学习的压接缺陷检测模型提供了高质量的训练数据，支撑了YOLO11n模型在验证集上取得mAP@0.5达99.45%、mAP@0.5:0.95达93.69%的优异性能，为输电线路压接质量智能检测提供了坚实的数据基础。
数据集来源
本研究所使用的数据集为自主构建，图像数据来源于输电线路施工现场实地拍摄，经筛选与预处理后获得2,976张有效图像。所有图像均由人工进行标注，采用YOLO格式的边界框标注方式，定义了欠压、过压、漏压、未压接、钢芯断裂、钢锚弯曲共6类压接缺陷目标，共计标注4,032个实例。标注过程中严格遵循统一的标注规范，以确保标注质量的一致性与准确性。
类别定义
标注规范
标注采用 YOLO 格式：每个目标一行，字段为 class x_center y_center width height， 坐标均为相对归一化（0~1）。
图1 标注规范图
数据规模与划分
- 总图像数：2,976张；总标注框数：4,032个
图2 数据集在训练、验证和测试集上的分布
数据集按照约 80:10:10 的比例划分为训练集、验证集和测试集：
表1 数据集划分及用途说明
质量控制
标注采用双阶段质量控制流程：首先进行规范化标注与自检， 确保目标框贴合实例外接矩形且类别一致；随后进行抽样复核， 针对漏标、错标与框位置偏差进行纠正。对争议样本进行二次确认， 以提高跨标注者一致性与总体标注可靠性。
数据格式与使用
数据集采用标准 YOLO 格式组织，通过 data.yaml 配置文件即可快速集成到训练流程中。
目录结构
数据集采用标准 YOLO 格式组织，图像和标注文件分别存放在 images/ 和 labels/ 目录下，并按训练集、验证集、测试集划分。
使用方式
在训练脚本中指定 data.yaml 即可加载数据：
性能评测
基于 YOLO11 模型在本数据集上进行训练和评测，使用mAP@0.5与mAP@0.5:0.95等标准指标对模型检测效果进行评估。评测结果如下：
训练过程综合指标曲线图
图3 训练与验证指标随Epoch变化趋势图
精确率-召回率（PR）曲线图
图4 目标检测PR曲线（Precision-Recall）
F1分数-置信度阈值曲线图
图5 不同置信度阈值下的F1曲线
归一化混淆矩阵图（分类误判分析）
图6 归一化混淆矩阵（person / leaflet）
应用案例
图7 应用案例：基于YOLO11的输电线路耐张线夹压接缺陷检测系统
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。 如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-10
数据大小：592M
原创声明：本项目为原创作品
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)