智慧电力设备配网检测数据集 -电线杆/电网设备目标检测数据集 YOLO格式一共3654图片分别都打好标签已经划分好train(2544) val(744) test(366)一共分为14类分别为 Arrester’, ‘COS’, ‘CommunicationLine’, ‘Conifere’, ‘ElectricLine’, ‘ElectricPole’, ‘Feuillu’, ‘GILBS’, ‘InsulatorA’, ‘InsulatorB’, ‘InsulatorC’, ‘InsulatorD’, ‘Transformer’, ‘Tree’ 中文避雷器、COS、通信线路、针叶树、电力线路、电杆、Feuillu、GILBS、绝缘子A、绝缘子B、绝缘子C、绝缘子D、变压器、树木包含YOLOv8s目标检测权重文件训练轮数100预训练模型YOLOv8s.ptmAP0.5 0.765带训练的结果文件1电线杆/电网设备目标检测数据集YOLO格式数据集信息表项目详细说明数据集名称电线杆/电网设备目标检测数据集图片总量3654张数据集划分训练集2544张验证集744张测试集366张检测类别14类Arrester避雷器、COS、CommunicationLine通信线路、Conifere针叶树、ElectricLine电力线路、ElectricPole电杆、Feuillu阔叶树、GILBS、InsulatorA绝缘子A、InsulatorB绝缘子B、InsulatorC绝缘子C、InsulatorD绝缘子D、Transformer变压器、Tree树木标注状态全量完成标注划分完毕开箱即用数据格式标准YOLO TXT标注格式配套权重YOLOv8s 训练权重训练轮数100轮预训练基线 yolov8s.pt模型指标mAP0.5 0.765适用场景无人机电力巡检、电网通道隐患识别、输电线路设备缺陷检测、树障识别、电力AI视觉系统开发数据集配置文件 power_grid.yamlpath:./power_grid_datasettrain:images/trainval:images/valtest:images/testnc:14names:0:Arrester1:COS2:CommunicationLine3:Conifere4:ElectricLine5:ElectricPole6:Feuillu7:GILBS8:InsulatorA9:InsulatorB10:InsulatorC11:InsulatorD12:Transformer13:Tree环境依赖pipinstallultralytics torch opencv-python训练代码 train_power_grid.pyfromultralyticsimportYOLOdefmain():# 加载预训练模型modelYOLO(yolov8s.pt)# 启动训练train_resultmodel.train(data./power_grid_dataset/power_grid.yaml,epochs100,imgsz640,batch16,device0,workers4,patience15,projectruns/train,namepower_grid_detect,exist_okTrue,pretrainedTrue)print(训练完成权重路径runs/train/power_grid_detect/weights)# 测试集评估metricsmodel.val(data./power_grid_dataset/power_grid.yaml,splittest)print(fmAP50:{metrics.box.map50:.4f})if__name____main__:main()推理测试代码 predict_power.pyfromultralyticsimportYOLOimportcv2# 加载配套训练好的权重modelYOLO(runs/train/power_grid_detect/weights/best.pt)if__name____main__:img_pathpower_test.jpgresultsmodel.predict(sourceimg_path,conf0.25,iou0.45,saveTrue)result_imgresults[0].plot()cv2.imshow(Power Grid Detection,result_img)cv2.waitKey(0)cv2.destroyAllWindows()核心标签#电网设备检测#电力巡检数据集#电线杆识别#绝缘子检测#树障识别#YOLO数据集#无人机电力巡检补充说明Feuillu 为法语含义阔叶树Conifere为针叶树两类用于区分电力通道不同树种GILBS为电力设备专有标识保留原始名称。支持直接加载配套权重进行推理也可基于数据集继续增量训练。