做高压电线电力巡检的目标检测最让人头疼的不是模型选型而是数据。电网巡检场景非常垂直公开的训练样本少得可怜就算你拿到一些素材很多也是随手抓拍、角度混乱、光照恶劣标注还要懂电力常识——绝缘子、防震锤、悬垂线夹、耐张线夹、均压环这些部件长什么样外行人很难一眼分清。这套聚焦六类目标图像识别任务的数据集整理的就是围绕电力巡检目标检测实际需求的一套样本包含图像、标签、标注格式说明和可直接套用的训练方案。适合正在做输电线路缺陷识别、无人机巡检视觉算法、或者想入局电力AI方向的同学参考就算你刚接触目标检测也可以把它当作一个带完整标签的练手项目快速走通“数据→训练→评估”的全流程。1. 数据集的设计思路六类目标为什么这样选标注为什么这样做1.1 电力巡检目标检测的典型痛点电力巡检目标检测和通用目标检测有个很大的区别通用数据集里的目标通常比较“大”比如车、人、动物在画面里占据相当大的比例但巡检图像里的电力部件很多在整张航拍图里只占几十个像素甚至十几个像素。这直接导致小目标检测成为第一难题。痛点还不止小目标。光伏板、铁塔、导线、树木、地面纹理都会形成噪声背景强光、阴影、雨雾也会让样本分布很不稳定。更麻烦的是数据标注需要领域知识比如绝缘子串和悬垂线夹的边界在哪防震锤和异物在外形上的区别是什么没有巡检经验的人标起来经常出偏差。这些痛点决定了数据集在设计时就必须把“类别定义、标注规范、样本分布”三件事一起考虑清楚而不是简单堆图。还有类别不均衡的问题。一条线路照片里绝缘子可能出现几十串而均压环可能只有零星几个如果按原始比例直接训练模型会严重偏向样本多的类别。所以我在划分训练集时刻意控制各类别的实例数量比例尽量让每个类都有足够多的正样本参与训练。1.2 六类目标的确定与各自特点这套数据集的六类目标分别是绝缘子、防震锤、悬垂线夹、耐张线夹、均压环、异物主要是鸟巢和搭挂物。不同巡检项目对类别定义可能略有不同有的会把销钉单独拉出来有的会把导地线也加成一类但我这六类在输电线路运维中关注度最高检测难度也互相补位既覆盖了绝缘子这类长条目标也覆盖了防震锤、均压环这类小件目标还包括了异物检测这类形态不规则的场景。类别外观特征主要检测难点典型风险绝缘子串状排列瓷/玻璃/复合材质目标细长背景中铁塔结构干扰自爆、破损、污闪防震锤导线两侧成对的小型锤状件尺寸小易与异物混淆脱落、滑移悬垂线夹绝缘子串下端连接的紧凑金具与绝缘子、导线遮挡重叠松动、磨损耐张线夹耐张塔处固定导线的大型金具角度多、形态随导线走向变化压接不良、发热均压环绝缘子串端部的环形金属件反光强、曝光不均变形、放电烧蚀异物鸟巢、塑料布、风筝线等形状不规则、尺度差异大短路、接地隐患表格列出的特征能帮你在标数据时快速区分易混淆类别例如防震锤和异物不要搞混看是否安装在导线上、是否成对出现即可。1.3 标注规范与质量控制目标检测数据集的质量很大程度由标注规范决定。我在整理时定了几条硬性规则第一标注框必须贴着目标外轮廓不允许为了省事把多个目标框在一起第二目标被遮挡超过50%的不标注避免引入大量模糊监督信号第三画面严重模糊、失焦的图像直接剔除不放进数据集第四同一个目标不能被重复框选两次相邻目标的框不能互相覆盖超过一半区域。标注完成后我又让有电力经验的人对全部标签做了一遍复核重点检查绝缘子缺陷、防震锤边界这类容易标错的位置。提示如果数据集里的标注框普遍偏大或者偏小模型训练出来的预测框也会跟着偏。建议在训练前先看一眼标签宽高的分布统计偏离明显就要回头查标注。2. 数据集内容详解目录结构、标注格式与统计信息2.1 解压后的目录结构拿到压缩包解压后整体结构应该长这样electric_pole_inspection/ ├── images/ │ ├── train/ # 训练图像 │ ├── val/ # 验证图像 │ └── test/ # 测试图像 ├── labels/ │ ├── train/ # YOLO格式训练标签 │ ├── val/ # YOLO格式验证标签 │ └── test/ # YOLO格式测试标签 ├── annotations/ │ ├── train.json # COCO格式训练标注 │ ├── val.json # COCO格式验证标注 │ └── test.json # COCO格式测试标注 ├── classes.txt ├── train.txt ├── val.txt └── README.mdimages目录放原始图像labels目录放YOLO格式的txt标签annotations目录放COCO格式的json标注。train.txt和val.txt是图像路径列表文件方便在用某些框架训练时直接读取。classes.txt则定义了类别顺序这个顺序必须和标签文件里的类别id一一对应稍不留神就会错位。图像文件命名统一为类似“img_0001.jpg”这类流水号标签文件与图像文件同名同位置例如images/train/img_0001.jpg对应labels/train/img_0001.txt。这样在YOLO系框架中可以被自动匹配。2.2 YOLO、VOC、COCO三类标注格式的差异目前主流目标检测框架主要接受三种标注格式YOLO格式、VOC格式、COCO格式。三者的核心差别在于坐标表达方式和文件承载方式。YOLO格式是txt文本文件每行表示一个目标记录“类别id 归一化中心x 归一化中心y 归一化宽 归一化高”VOC格式是xml标签文件记录真实像素坐标的xmin、ymin、xmax、ymaxCOCO格式把所有标注存放在一个json文件里用categories、images、annotations三个数组组织。对比项YOLO格式VOC格式COCO格式文件后缀.txt.xml.json坐标表示归一化中心点宽高真实像素左上右下坐标真实像素左上宽高每张图文件数1个txt1个xml与图像无关所有标签在一个json适用框架YOLO系、多数检测框架经典VOC系、部分数据增强工具常见开源检测库举个例子。假设一张宽1920、高1080的图里有一个绝缘子的真实标注框左上角在(1200, 300)右下角在(1300, 420)。YOLO格式先换算中心坐标cx(12001300)/21250cy(300420)/2360宽100高120然后分别除以宽度1920和高度1080得到归一化结果0.6510、0.3333、0.0521、0.1111写进txt就是“0 0.6510 0.3333 0.0520 0.1111”。VOC格式则直接写像素坐标COCO格式也写像素坐标但是宽高形式。这个换算过程是标注格式转换中最容易出错的地方很多训练报错都出在归一化坐标和像素坐标被混用了。XML转TXT的时候注意读取像素坐标后除以图像实际宽高即可不要除以原图缩放后的尺寸这是最基础的转换避坑点。2.3 图像与标签统计全套数据大约包含6800张图像训练集5000张、验证集1000张、测试集800张标注框总数在3.5万个左右。类别实例分布大概如下表类别训练集实例数验证集实例数测试集实例数绝缘子68001300900防震锤52001000650悬垂线夹4500850550耐张线夹4200800500均压环3800700450异物4000780520各列合计约2.85万、5400、3670整体约3.75万。实际数量可能因版次略有调整以最终文件内统计为准。这里存在类别不均衡比如绝缘子大约是均压环的1.8倍这个不均衡程度在电力巡检场景里已经算温和训练时建议加上类别权重。关于数据划分一个很关键的点来自同一段线路、连续拍摄的图像不能把一部分分到训练集、一部分分到验证集否则会带来严重的数据泄漏指标虚高。整理时按照“塔段”进行分组同一塔段的图像整体划入同一个集合这也是电力巡检数据集与普通数据集的一个典型区别。2.4 原始图像采集与清洗这套数据的图像主要来自无人机航拍、手持相机和直升机巡线拍摄的混合场景覆盖晴天、阴天、逆光等条件背景包括山地、丘陵、跨江段和农田。分辨率集中在1080p到4K之间原始素材先经过过滤删掉完全失焦的图像、画面剧烈模糊的、树木遮挡严重的。如果有条件建议你再按线路电压等级做一下分层抽样因为110kV、220kV、500kV的杆塔结构和部件布局差异挺大混合训练时模型容易混乱。3. 快速上手指南用这套数据训练一个可用的检测模型3.1 环境准备数据到手第一步就是让它跑起来。当前这套数据最省事的做法是直接用YOLO系列框架训练PyTorch环境即可。建议Python版本不低于3.8显存8GB起步如果显存只有6GB也可以训练只是图片尺寸要往下调效果会差一些。pip install torch torchvision pip install ultralytics装好之后可以先跑一个简单的小脚本验证环境从数据集里挑一张图加载模型做一次推理确认CUDA可用。3.2 数据配置文件怎么写YOLO系列训练时需要先写一个数据配置文件data.yaml里面指定图像路径、验证路径、类别数量和类别名称。注意YOLO版本不同配置字段可能略有差异但核心就是这几个字段。path: /path/to/electric_pole_inspection train: images/train val: images/val test: images/test nc: 6 names: 0: insulator 1: damper 2: suspension_clamp 3: strain_clamp 4: grading_ring 5: foreign_object这里有个细节path字段写的是数据集根目录train和val字段既可以写相对路径也可以写具体的图像路径列表文件取决于框架版本。如果用比较新的YOLO版本直接写images/train目录即可框架会自动扫描子目录下的jpg、png等图像。3.3 训练参数与命令用YOLOv8m作为基线模型是因为它在速度和精度折中上比较稳n型号虽然快但对小目标召回率明显偏低x型号准可训练时间太长不适合快速验证。yolo detect train \ datadata.yaml \ modelyolov8m.pt \ epochs200 \ imgsz1280 \ batch16 \ lr00.01 \ patience30 \ device0imgsz1280是重点。很多人拿默认的640直接训练效果都不好因为电力部件在图像中占比太小640下采样后会丢细节。调到1280后小目标的mAP通常能有明显提升。显存不够的可以先从960开始但至少也要960纯640基本不可取。batch16在8GB显存上建议降到8配合梯度累积效果更好。patience30表示训练时开着早停如果验证mAP连续30轮不涨就自动结束能省下不少时间。lr00.01配合warmup是目前比较稳定的配置组合。训练脚本和参数在不同YOLO版本上命令细节可能有差异用之前先看一眼框架文档。3.4 训练过程怎么监控和评估训练开始后每隔一段时间看一次验证集指标。重点看三个东西PR曲线、混淆矩阵、各类别AP。PR曲线能反映模型的precision和recall权衡混淆矩阵能告诉你防震锤是不是被经常误检成异物。很多人在看到总mAP50到0.85后就觉得可以了但实际上某个类别的AP可能只有0.5这类“短板类别”才是部署时的风险点。训练结束时在验证集上跑一下评估yolo val modelruns/detect/train/weights/best.pt datadata.yaml输出的mAP50、mAP50-95、precision、recall就是最终基线。如果要导出部署模型用yolo export modelruns/detect/train/weights/best.pt formatonnx导出ONNX后可以再做一次精度对比确认量化前后指标没有明显下跌。4. 实测踩坑经验从数据到部署的八个问题4.1 小目标检测效果差用默认640训练第一版模型在测试集上的mAP50只有0.72其中防震锤和均压环的AP尤其低因为这两类目标小、对比度低。把imgsz提到1280之后mAP50整体涨了9个点。如果还想进一步提升小目标检测可以考虑两种做法离线把大图切成若干块分别训练推理时也走滑动窗口把切块结果合并或者把高分辨率图像下采样前先做一次困难样本挖掘把那些模型答错的图复制一份加入训练集。切片推理的成本是速度变慢边缘设备不一定跑得起。我的建议是先提分辨率再考虑切片如果目标远小于32x32像素切片几乎是必须的。4.2 类别不平衡怎么处理数据里绝缘子样本最多均压环最少直接训练的结果就是均压环AP偏低因为模型容易把它误判成背景或绝缘子的一部分。处理办法有几个训练时给少数类加loss权重相当于让模型多关注这些类别对均压环和异物做复制粘贴式增强把实例贴到空白区域或者把均压环、异物、耐张线夹单独组成一个训练子集做两阶段微调。我实际比较下来类别权重最省事复制粘贴增强提升最明显。4.3 标注错误导致指标虚高或上不去一个容易被忽略的坑是“标签框错位”。我中途检查过一次验证集发现图像名和标签名对不上结果训练loss一直降到0.6附近就卡住验证集mAP始终在0.3左右乱跳。后来用脚本比对图像宽高和标签坐标范围才发现有几十张图的标签坐标超出了图像边界。这种问题用自动化脚本可以快速检测import os w, h 1920, 1080 for txt in os.listdir(labels/val): for line in open(flabels/val/{txt}): cls, cx, cy, bw, bh map(float, line.split()) if cx 0 or cx 1 or cy 0 or cy 1 or bw 0 or bh 0: print(txt, error)训练前先跑一遍类似检查能省很多排查时间。4.4 图像测试结果不错视频推理却误检多模型在测试集上mAP50有0.85但用无人机拍摄的视频抽帧实测时误检率明显偏高。主要原因是测试集图像和实际视频帧的分布有差距——无人机飞行过程可能带运动模糊且一个塔段的多帧高度相似模型在连续帧上会反复出现同样的误检。我的解决办法是抽一段真实巡线视频抽帧300张左右让人工标注一批当前任务特有的样本哪怕只有100张在已有模型上再做增量微调。微调之后视频误检数量明显下降。4.5 铁塔结构和背景干扰高压铁塔的角钢、斜拉线、绝缘子串附近的金属件非常容易造成误检。尤其是耐张线夹外轮廓和铁塔连接板混在一起模型经常产生重叠框。针对这种情况可以增加背景负样本图像不含任何目标但包含大量杆塔结构在训练时把它们当作无目标的样本参与训练另外在业务部署时可以对图像做ROI限定比如先用分割或传统方式框出杆塔区域再在区域内做目标检测。还有一个工程细节推理时把NMS的iou阈值从0.5调高到0.6或0.7能显著减少同一个目标被重复框出的次数特别是在密集金具场景下很好用。但阈值提太高也会漏检建议在验证集上扫一遍找出最合适的值。4.6 标注格式转换遇到坐标越界YOLO转COCO或VOC时最常见的报错是bbox超出图像边界。原因是原始归一化标签四舍五入后乘回像素尺寸可能出现1到2像素的越界。转换时统一做一个clip操作把坐标限制在[0, w]和[0, h]范围内顺手过滤掉宽或高小于2像素的异常框。4.7 数据增强尺度要克制电力巡检目标检测很容易因为增强过猛而崩。Mosaic增强如果切块太碎会把绝缘子串切成好几段模型看到的目标全是残件。我的经验是mosaic的拼图数量可以保留但关闭针对小目标的随机缩放或把scale范围控制在0.5到1.5之间颜色增强中饱和度变化不要太大否则绝缘子颜色会失真。默认增强参数在很多通用数据集上表现好但迁移到电力场景时需要手工调小这也是通用框架直接套用容易踩的坑。4.8 部署时的精度与速度平衡如果要把模型部署到机载算力设备上GPU显存和算力都很有限。ONNX导出后建议做FP16精度推理精度损失通常在1到2个mAP点以内速度却能提升接近一倍。更进一步可以尝试TensorRT加速但需要注意某些自定义算子的兼容性导出时要用带固定输入尺寸的模型动态尺寸在TensorRT上会变得非常慢。我通常的做法先用1280训练和验证部署时再试试768或960的输入尺寸只在速度不够时才降而不是一开始就图快。5. 使用范围、扩展方向与注意事项5.1 使用范围与合规边界这套数据集来源于真实设备的巡检拍摄样本建议仅用于学习、科研和算法验证。如果需要对外发布或商业使用必须先确认原始素材的授权边界避免直接把敏感线路的原始巡检图像大范围公开。命名、坐标等元数据建议自行脱敏去除包含具体线路信息和地理位置信息的字段。5.2 如何把数据集扩展到新类目标巡检任务经常需要新增类别比如把绝缘子缺陷细分为“自爆、破损、污秽”或者在六类之外加入销钉、间隔棒等目标。扩展流程建议是先收集新类的正样本图像数量起步200张再用标注工具按最小外接框画框然后修改classes.txt和data.yaml的类别数量重新训练最后重点检查新类和旧类之间的混淆情况比如销钉容易被误检成均压环可以针对性增加负样本。这类标注工具多数支持导出VOC和YOLO格式可以直接把新标注混合进原数据集。5.3 进一步升级的方向如果后续要把检测任务升级为缺陷识别单靠目标框不够可以将标注从矩形框升级为多边形掩膜训练实例分割模型。更进阶的方向是利用大量无标注巡线照片做半监督或伪标签训练先用当前模型对未标注图预测筛选高置信度结果作为候选标签再由人工修正能大幅降低标注成本。这些方向都是在现有数据集基础上的增量迭代数据集本身是起点不是终点。最后说一点我自己的体会。整理这个数据集的过程比训练模型花的时间要多得多但如果没有一份靠谱的数据后面调参、部署全都是在沙滩上盖楼。我建议拿到数据的同学第一件事不要急着训练先花半天时间把标签分布、图像尺寸、样本场景全部统计一遍把数据了解透了再动手。另外再分享一个实用小技巧可以单独建一个hard-set文件夹把那些模型反复预测错的困难图像放进去每次迭代完模型都先跑一遍hard-set如果hard-set上的指标开始回升说明这次迭代是真有进步。数据集只是起点真正要紧的是你在这些图上反复打磨出来的工程判断力。