模型融合:使用多个模型进行集成学习,提高预测的准确性。 11. 总结 通过以上步骤,你可以成功地使用YOLOv8模型对输电线路Damper防震锤缺陷检测的数据集进行训练、评估和可视化。
由于多次振动,导线因周期性的弯折会发生疲劳破坏。当架空线路档距大于120米时,一般采用防振锤防振。 今天要介绍的数据集则是防震锤数据集: 数据集名称:防震锤数据集 数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):以文件包含图片数量...
每个类别标注的框数: 绝缘子放电痕迹 flashover count = 1265 绝缘子 insulator count = 1948 绝缘子破损 damaged count = 1109 防震锤 fzc count = 91 鸟巢nest count = 12 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,数据集只...
Fe**ng上传750.29 MB文件格式zip数据集 针对输电线路无人机巡检任务,根据输电线路缺陷的基本特征,自建可用于输电线路多目标缺陷识别的数据集;绝缘子识别+缺陷检测,防震锤识别+缺陷检测(锈蚀);均压环识别+均压环缺陷检测(倾斜)输电线路异物检测,鸟巢,气球、垃圾等;对数据集图像进行分类、标注和增强,原图经过翻转、...
防震锤缺陷检测数据集 1000张 防震锤 带标注 voc yolo分类名: (图片张数, 标注个数) none_ defect ive:(636,1 808) defective: (831, 933) 总数:(1000,2741) 总类(nc): 2类 数据集介绍 数据集概述 数据集名称:Anti-Vibration Hammer Defect Detection Dataset (AVHDDD) 数据类型:图像 目标任务:防震...
高压塔线路行业数据集-防震锤数据集主要用于深度学习(yolo系列算法,faster-rcnn算法等)研究,共1000张 ,样本数量2700+,voc。标签为缺陷和未缺陷,样本比为933:1808 如何使用 YOLOv8 训练防震锤高压塔线路行业数据集的详细步骤。这个数据集主要用于检测高压塔线路上的防震锤是否存在缺陷,数据集包含1000张图片,共2700+个...
重要说明:防震锤缺陷图片太难找,数据集里面存在大量单一场景图片,请仔细查看图片预览谨慎下载,此外数据集均为小目标检测,如果训练map偏低属于正常现象 数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) ...
数据集特点 多样性:涵盖输电线路中常见的五种缺陷类型,提供了丰富的训练样本。 数据增强:经过数据增强处理后,各类缺陷的数量分别为:绝缘子自爆1828张、绝缘子破损和闪络1467张、鸟巢4370张、防震锤脱落1050张、绝缘子破损与闪络2185张。 标注格式:使用LabelMe工具进行了详细标注,每张图片都有一个对应的XML文件,记录了图...
电力缺陷检测数据集和训练好的模型 共7972多张,2.6G,yolo格式(图片和标注好的txt文件),已划分为训练集,验证集,测试集,比例为7:2:1。可以直接用于模型训练。 训练好的模型为yolov5l模型,可直接提供权重文件和生成的所有数据图,利用权重文件可直接进行测试。绝缘子、绝缘子掉串、绝缘子破损、绝缘子闪络、防震锤、防...
防震锤缺陷检测数据集 1000张 防震锤 带标注 voc yolo分类名: (图片张数, 标注个数) none_ defect ive:(636,1 808) defective: (831, 933) 总数:(1000,2741) 总类(nc): 2类 数据集介绍 数据集概述 数据集名称:Anti-Vibration Hammer Defect Detection Dataset (AVHDDD) 数据类型:图像 目标任务:防震锤...