变电站红外与可见光配对数据集 | 变电站 红外可见光 多模态检测 电力设备 图像配准 9129期数据集概述本数据集专注于变电站设备的红外与可见光多模态配对检测服务于电力设备状态评估、发热缺陷诊断及智能巡检。数据涵盖刀闸、套管、断路器、电压互感器、电流互感器、避雷器等核心部件适配多模态融合检测、设备温度异常分析及缺陷识别等应用。数据集核心信息数据要素详细说明类别涵盖变电站核心部件刀闸、套管、断路器、电压互感器、电流互感器、避雷器等数量1022张图像511对配对配对情况100对为精确配对其余为粗配对如红外图像略有放大非精确对齐格式图像为 JPG/PNG标签格式需根据实际标注确认应用价值1.状态评估融合红外热成像与可见光图像检测设备发热异常与外观缺陷。2.缺陷诊断识别设备过热、温升异常等潜在故障辅助运维决策。3.智能巡检为多模态巡检系统提供配对训练数据提升复杂环境下的检测可靠性。4.算法研发为图像配准、多模态融合检测等视觉任务提供真实场景的训练与评测数据。完整设备类别列表序号设备部件名称说明1刀闸隔离开关的导电部件2套管设备引出线的绝缘套管3断路器用于切断与接通电路的开关设备4电压互感器电压测量与保护用互感器5电流互感器电流测量与保护用互感器6避雷器过电压保护设备数据三要素解析类别与设备覆盖数据集涵盖变电站6类核心设备部件刀闸、套管、断路器、电压互感器、电流互感器、避雷器覆盖一次设备的主要组成。设备类型涵盖开关类断路器、刀闸、测量类电压/电流互感器、保护类避雷器及连接类套管系统性强。数据规模与配对质量图像总量约1022张构成511对红外-可见光配对规模适中。配对精度分为两级100对精确配对同一时间、同一位置、同一角度可用于图像配准研究其余为粗配对红外图像可能有轻微放大适合用于模态互补检测。数据整理自公开网络资源需用户自行筛选与整理去除不需要的样本。格式与结构数据涵盖红外与可见光两种模态具体标签格式需根据实际标注文件确认。红外图像突出设备热特征可见光图像提供外观纹理信息两者互补性强。建议使用时先进行配对校验与筛选确保训练数据质量。知识普及变电站多模态检测的技术要点红外与可见光的互补性红外热成像可检测设备过热、温升异常等热故障可见光可检测外观破损、锈蚀、污渍等物理缺陷。两者结合可实现更全面的设备状态评估。图像配准问题配对质量直接影响多模态融合效果。精确配对的图像可用于像素级融合粗配对的图像适合特征级或决策级融合需先进行配准校正。多模态融合策略早期融合将红外与可见光图像在输入层拼接送入单一网络。中期融合分别提取两种模态特征在网络中间层进行融合。晚期融合分别检测后对结果进行决策级融合如加权框融合。设备发热诊断红外图像中的设备温度分布可用于判断是否存在异常发热结合可见光图像可精确定位故障部位。应用闭环检测结果可结合设备台账与温度数据生成巡检报告与缺陷工单服务于变电站智能运维。快速开始代码示例1. 数据准备与配对筛选importosimportcv2importnumpyasnp# 遍历红外与可见光图像目录进行配对校验ir_dir./dataset/infraredvis_dir./dataset/visibleir_imagessorted(os.listdir(ir_dir))vis_imagessorted(os.listdir(vis_dir))# 假设文件名对应关系为 IR_001.jpg - VIS_001.jpgpaired_images[]forir_nameinir_images:vis_nameir_name.replace(IR,VIS)ifvis_nameinvis_images:paired_images.append((os.path.join(ir_dir,ir_name),os.path.join(vis_dir,vis_name)))print(f精确配对数量{len(paired_images)})2. 配置文件 (data.yaml) 示例train:./dataset/images/trainval:./dataset/images/valnc:6names:[刀闸,套管,断路器,电压互感器,电流互感器,避雷器]3. 启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs100,imgsz640,batch16,device0)标签变电站红外可见光多模态检测电力设备图像配准目标检测YOLO格式深度学习数据集计算机视觉