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
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/0bef688ba153ffe8f12784cd8a1e9430.png)

一共3654图片，分别都打好标签，已经划分好train(2544) val(744) test(366)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/972b8ce808d8d76a4ec09f12000dc545.png)

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![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/011e0a233ecbc76672d87eb5c33f360f.png)


包含YOLOv8s目标检测权重文件（训练轮数100，预训练模型YOLOv8s.pt，mAP@0.5 0.765）带训练的结果文件![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/08d5cdd66a930fbdaf19165691344f8d.png)
1
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/d623e38a5871896b0b05cd0daa7ca5e0.png)
# 电线杆/电网设备目标检测数据集（YOLO格式）![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/a731ec3d702769d4d0b6a1d69423c665.png)

## 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<br>验证集：744张<br>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 | mAP@0.5 = 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.yaml
```yaml
path: ./power_grid_dataset
train: images/train
val: images/val
test: images/test

nc: 14
names:
  0: Arrester
  1: COS
  2: CommunicationLine
  3: Conifere
  4: ElectricLine
  5: ElectricPole
  6: Feuillu
  7: GILBS
  8: InsulatorA
  9: InsulatorB
  10: InsulatorC
  11: InsulatorD
  12: Transformer
  13: Tree
```

## 环境依赖
```bash
pip install ultralytics torch opencv-python
```

## 训练代码 train_power_grid.py
```python
from ultralytics import YOLO

def main():
    # 加载预训练模型
    model = YOLO("yolov8s.pt")
    # 启动训练
    train_result = model.train(
        data="./power_grid_dataset/power_grid.yaml",
        epochs=100,
        imgsz=640,
        batch=16,
        device=0,
        workers=4,
        patience=15,
        project="runs/train",
        name="power_grid_detect",
        exist_ok=True,
        pretrained=True
    )
    print("训练完成！权重路径：runs/train/power_grid_detect/weights")
    # 测试集评估
    metrics = model.val(data="./power_grid_dataset/power_grid.yaml", split="test")
    print(f"mAP@50: {metrics.box.map50:.4f}")

if __name__ == "__main__":
    main()
```

## 推理测试代码 predict_power.py
```python
from ultralytics import YOLO
import cv2

# 加载配套训练好的权重
model = YOLO("runs/train/power_grid_detect/weights/best.pt")

if __name__ == "__main__":
    img_path = "power_test.jpg"
    results = model.predict(
        source=img_path,
        conf=0.25,
        iou=0.45,
        save=True
    )
    result_img = results[0].plot()
    cv2.imshow("Power Grid Detection", result_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
```
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/99929a166297a9a4c8e913f9239df697.png)

## 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。

一共3654图片，分别都打好标签，已经划分好train(2544) val(744) test(366)

配网配电网电力设备检测数据集 配网避雷器电力线路电线杆 绝缘子变压器检测数据集  电线杆/电网设备目标检测数据集 YOLO格式

人工智能

物联网

硬件

专业电力设备检测数据集，包含3654张YOLO格式标注图片，涵盖14类电网设备（避雷器、电杆、绝缘子等）。提供YOLOv8s预训练权重，mAP@0.5达0.765，适用于电力巡检、树障识别等AI视觉系统开发。开箱即用，支持增量训练。

代码解释

YOLO

2026上云采购 | AI焕新·智启新局

datainlong

对象存储COS新用户低至1元！


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

配网配电网电力设备检测数据集 配网避雷器电力线路电线杆 绝缘子变压器检测数据集  电线杆/电网设备目标检测数据集 YOLO格式-腾讯云开发者社区-腾讯云

配网配电网电力设备检测数据集配网避雷器电力线路电线杆绝缘子变压器检测数据集电线杆/电网设备目标检测数据集 YOLO格式

配网配电网电力设备检测数据集配网避雷器电力线路电线杆绝缘子变压器检测数据集电线杆/电网设备目标检测数据集 YOLO格式

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

配网配电网电力设备检测数据集 配网避雷器电力线路电线杆 绝缘子变压器检测数据集 电线杆/电网设备目标检测数据集 YOLO格式

配网配电网电力设备检测数据集 配网避雷器电力线路电线杆 绝缘子变压器检测数据集 电线杆/电网设备目标检测数据集 YOLO格式

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

配网配电网电力设备检测数据集配网避雷器电力线路电线杆绝缘子变压器检测数据集电线杆/电网设备目标检测数据集 YOLO格式

配网配电网电力设备检测数据集配网避雷器电力线路电线杆绝缘子变压器检测数据集电线杆/电网设备目标检测数据集 YOLO格式