输电线路-杆塔-电力设施-安全穿戴等目标检测数据集_变电运维数据集

需要的同学私信联系， 推荐关注上面图片右下角的订阅号平台 自取下载。

对无人机、线路固定监控、变电站内巡检机器人、站内固定摄像头等采集的图像或视频进行端到端目标检测，采用深度学习和传统图像处理技术结合的技术实现巡检图像智能理解，实现输电线路和变电站设备识别、缺陷检测、异物检测等，能有效提高电力系统的安全性。因此小编整理了一份超完整的AI+电力智慧检测数据合集，包含10+电力领域细分场景的目标检测数据集，助力AI+电力智慧检测的研究与创新。

1. 广东电网绝缘手套穿戴检测数据集

2. 广东电网安全服穿戴检测数据集

3. 广东电网高空作业安全带佩戴检测数据集

4. 南方电网杆塔异物检测数据集

5. AI电力巡线安全帽检测数据集

6. 变电站智能巡检数据集

7. 输电线路杆塔鸟巢检测数据集

8. 输电杆塔目标检测数据集

9. 高压线路绝缘子缺陷检测数据集

10. 输电线路金具数据集

01

—

广东电网绝缘手套穿戴检测数据集

【数据背景】
电网作业人员每天需要在现场进行验电断电操作，为保证操作安全，必须要求验电人员必须佩戴橡胶绝缘手套才可进行验电停电等操作。同时，现场需要有监护人员在旁监督验电人员的动作规范，以及意外情况发生时及时报警救助。该场景提供的训练数据集中，包含的具体标签及解释如下：

badge：监护袖章（只识别红色袖章）

person：图中出现的所有在场人员

glove：绝缘手套（橡胶材质）

wrongglove：未穿戴绝缘手套（其它手套或裸露手掌）

operatingbar：操作杆

powerchecker：验电笔

通过上述信息，要求目标检测算法能够在电网现场作业过程中，模型最终以“人”为单位自动检测出以下内容：

1.1 识别出所有在场人员，并具体区分出监护人员（佩戴红色袖章）；

1.2
识别出在场的合规佩戴绝缘手套（到小臂处的橡胶材质）人员，以及不合规佩戴绝缘手套（佩戴其他材质手套、赤裸手掌、半裸手掌、手部皮肤有裸露等，均属于不合规）人员；

1.3 识别出现场人员是否有手持工具(操作杆或绝缘笔)；

其中有几种特殊情况需要注意：

情况1：两只手都可以观察到，但是只佩戴了1只手套，为不合规佩戴。

情况2：两只手只能看到一只手，也只佩戴了一只手套，为合规佩戴。

情况3：手套没有戴在手上，手拿手套，为不合规。

![086e0e6afb7c081f81fc6fd1a97477b1.jpeg](https://img-
blog.csdnimg.cn/img_convert/086e0e6afb7c081f81fc6fd1a97477b1.jpeg)

【算法结果】 需要在测评集合上进行预测，提交评估结果。要求以单个json文件提交。具体文件要求如下：

[{
	"image_id": int,
	"category_id": int,
	"bbox": [xmin,ymin,xmax,ymax],
	"score": float
}]
1
2
3
4
5
6

image_id为测试数据中image在csv当中的序列号，从0开始，为0、1、2、3……的int类型数字，其最大值小于599，超出则会报错；因为存在同一个框多个识别结果的情况，提交结果的条数不设限，可以超过600条。

category_id为需要检测的结果类别，同样为int，category_id每次只提交1个类别，若一个框满足多个识别结果，需要分block来写。需要提交的测试结果为以下几类，且图像的category_id应与下方的注释保持相同：

guarder（监护人员）

gloveperson（规范佩戴绝缘手套人员）

wronggloveperson（不合规佩戴绝缘手套人员）

operator（有手持工具人员）

【数据文件】
数据集的文件列表共包含4个文件，1_testa_user.csv、1train_rname.csv、1_images.tar.gz和1_test_images.tar.gz。

1_images.tar.gz为训练图像集，大小约11.0GB；

1_test_images.tar.gz为测试图像集，大小约2.5GB；

1train_rname.csv为训练集标注；

1_testa_user.csv为测试集信息。

02

—

广东电网安全服穿戴检测数据集

【数据背景】
根据广东电网公司规定，作业人员每天需要全身穿着工作服，保持员工精神面貌整齐统一，也为户外操作的作业人员提供了一份安全屏障。而监护人员，则需要额外在工作服上佩戴一个红色的袖章。在该场景提供的训练数据集中，包含的具体标签及解释如下：

badge：监护袖章（只识别红色袖章）

person：图中出现的所有在场人员

clothes：合规工作服

wrongclothes（包含“wrongbottom” 、“wrongtop”
、“wrongsuit”标签）：不合规工作服（含有上衣开襟、挽裤腿、挽袖、不成套等现象）

通过上述信息，要求目标检测算法能够在电网现场作业过程中，模型最终以“人”为单位自动检测出以下内容：

2.1 识别出所有在场人员，并具体区分出监护人员（佩戴红色袖章）；

2.2 识别出合规穿戴工作服的作业人员；

2.3 识别出不合规穿戴工作服的作业人员。其中工作服上装下装不配套，工作服穿着有开襟、挽裤腿、挽袖子等情况，均属于不规范穿戴工作服的场景。

![a98caf0500a09973e5285a27e1357b48.jpeg](https://img-
blog.csdnimg.cn/img_convert/a98caf0500a09973e5285a27e1357b48.jpeg)

【算法结果】 需要在测评集合上进行预测，提交评估结果。要求以单个json文件提交。具体文件要求如下：

[{
	"image_id": int,
	"category_id": int,
	"bbox": [xmin,ymin,xmax,ymax],
	"score": float
}]
1
2
3
4
5
6

image_id为测试数据中image在csv当中的序列号，从0开始，为0、1、2、3……的int类型数字，其最大值小于599，超出则会报错；因为存在同一个框多个识别结果的情况，提交结果的条数不设限，可以超过600条。

category_id为需要检测的结果类别，同样为int，category_id每次只提交1个类别，若一个框满足多个识别结果，需要分block来写。需要提交的测试结果为以下几类，且图像的category_id应与下方的注释保持相同：

guarder（监护人员）

rightdressed（合规穿戴工作服人员）

wrongdressed（不合规穿戴工作服人员）

注意：所有出现的人物(包括电网作业人员、监护人员、旁观的电网工作人员、路人等)均需进行工作服穿戴的识别。

例：有一位身着工作服的电网工作人员出现在现场，非当场作业人员也并非监护人员，仍需识别其工作服着装是否合规。如果有一位路人(没穿工作服)出现，需要判断其为wrongdressed(不合规穿戴工作服人员)。

【数据文件】
数据集的文件列表共包含4个文件，2_testa_user.csv、2train_rname.csv、2_images.tar.gz和2_test_images.tar.gz。

1_images.tar.gz为训练图像集，大小约12.8GB；

1_test_images.tar.gz为测试图像集，大小约2.6GB；

1train_rname.csv为训练集标注；

1_testa_user.csv为测试集信息。

03

—

广东电网高空作业安全带佩戴检测数据集

【数据背景】
在广东电网作业人员的日常工作中，经常需要爬到供电塔架高处进行检查。为了保障作业人员的安全，广东电网规定：攀爬离地人员必须佩戴安全带，并在现场配有监护人员，以防止出现意外情况。在该场景提供的训练数据集中，包含的具体标签及解释见下：

badge：监护袖章（只识别红色袖章）

offground：离地状态的人

ground：着地状态的人

safebelt：佩戴安全带

通过上述信息，要求目标检测算法能够在电网现场作业过程中，模型最终以“人”为单位自动检测出以下内容：

3.1 识别出所有在场人员，并具体区分出监护人员（佩戴红色袖章）；

3.2 识别出现场佩戴安全带的人员；

3.3 识别出处于离地状态的人员；

![eb41e1f96c1b00ea928d34cdc37aa321.jpeg](https://img-
blog.csdnimg.cn/img_convert/eb41e1f96c1b00ea928d34cdc37aa321.jpeg)

【算法结果】 需要在测评集上进行预测，提交评估结果。要求以单个json文件提交。具体文件要求如下：

[{
	"image_id": int,
	"category_id": int,
	"bbox": [xmin,ymin,xmax,ymax],
	"score": float
}]
1
2
3
4
5
6

image_id为测试数据中image在csv当中的序列号，从0开始，为0、1、2、3……的int类型数字，其最大值小于599，超出则会报错；因为存在同一个框多个识别结果的情况，提交结果的条数不设限，可以超过600条。

category_id为需要检测的结果类别，同样为int，category_id每次只提交1个类别，若一个框满足多个识别结果，需要分block来写。需要提交的测试结果为以下几类，且图像的category_id应与下方的注释保持相同：

guarder（监护人员）

safebeltperson （佩戴安全带人员）

offgroundperson（离地状态人员）

注意：所有出现的人物(包括电网作业人员、监护人员、旁观的电网工作人员、路人等)均需进行相关标签的识别。

例：有一位身着工作服的电网工作人员出现在现场，非当场作业人员也非监护人员，仍需识别其是否佩戴安全带。如果有一位路人出现，没有匹配的标签描述，则不提交结果。如果有路人处于离地状态，可以将其识别成离地状态人员。

【数据文件】
数据集的文件列表共包含6个文件，3_images.tar.gz、3train_rname.csv、3_test_imagesa.tar.gz、3_testa_user.csv、3_testa_user.csv、3_testB.zip、3_testb_imageid.csv。

3_images.tar.gz为训练图像集，大小约10.5GB；

3train_rname.csv为训练集标注信息；

3_test_imagesa.tar.gz为A榜测试集，大小约2.4GB；

3_testa_user.csv为A榜测试集信息；

3_testB.zip为B榜加密数据集，大小约8.2GB；

3_testb_imageid.csv为B榜加密数据信息。

04

—

南方电网杆塔异物检测数据集

【数据背景】
输电线路异物分布范围广，种类多，在杆塔上可能存在鸟巢、风筝、绳索等杂物，在架空线上也可能搭挂风筝、气球、塑料薄膜等杂物，因此检测存在一定的难度。我国输电线路巡检基本以人工巡检方式为主，但传统的人工巡检方式效率低、限制多，还往往会消耗大量的人力物力，后来引入直升机沿线巡检的方法，但该方法飞行作业十分危险且培训及维护费用极其昂贵，无法在很大程度上缓解人工巡检带来的问题。最近几年，GPU计算能力不断提升，电力领域也有越来越多的研究者选择将机器视觉技术与深度学习算法相结合进行目标检测算法技术的研究及应用。

【应用领域】 AI+电力目标检测

【文件目录】 南网初赛train、南网初赛val和南网复赛数据集.zip三个文件夹，xml标注文件与jpg图像文件保存在每个文件夹中

【数据说明】
南网初赛train的数据大小约2.8GB（带xml标注），南网初赛val的数据大小约1.1GB（不带xml标注），南网复赛数据集的数据大小约1.7GB（带xml标注），train约1300+图像样本，val约300+图像样本，异物类型包含4类：鸟巢、风筝、气球、垃圾。

![c5e6f61dd0f5c4665dc34dc1a4e2a720.jpeg](https://img-
blog.csdnimg.cn/img_convert/c5e6f61dd0f5c4665dc34dc1a4e2a720.jpeg)

05

—

AI电力巡线安全帽检测数据集

【数据背景】
目前安全帽检测大多针对工地和大型机械，电力行业的安全帽检测数据集较少，本次我们挑选了一个安全帽检测数据集，大部分图片来自电力行业，包括电杆安装、电力高架施工、电力抢修等场景；小部分来自其他行业。

【应用领域】 AI+电力目标检测

【文件目录】 Annotations和JPEGImages两个文件夹

【数据说明】 VOC格式数据，Annotations目录下是xml标注文件，JPEGImages目录下是jpg图像文件，数据大小约127.9M

![26d12b6e750488c54b9129d309658dc6.jpeg](https://img-
blog.csdnimg.cn/img_convert/26d12b6e750488c54b9129d309658dc6.jpeg)

06

—

变电站智能巡检数据集

【数据背景】
传统的变电站巡检方式通常需要大量的人力和时间投入，而且往往只能进行定期巡检，无法实时监测设备状态。智能巡检系统能够实现设备的全时段、全方位监测，减少人力资源的消耗，并且可以通过数据分析和预测，优化维护计划，降低运营成本。

【应用领域】 AI+电力目标检测

【文件目录】 Annotations和JPEGImages两个文件夹

【数据说明】
Annotations目录下是xml标注文件，JPEGImages目录下是jpg图像文件，数据集包含8376张巡检图像，带xml标注，数据大小约9.6GB，共包含17类巡检标签。

![146b2e05b919146a771f488978b0fe67.jpeg](https://img-
blog.csdnimg.cn/img_convert/146b2e05b919146a771f488978b0fe67.jpeg)

07

—

输电线路杆塔鸟巢检测数据集

【数据背景】 电力行业电线杆塔等位置常常会出现鸟巢，不及时移除将带来安全隐患和用电保障隐患，作为保障，需要在指定区域识别处是否有鸟类筑巢。

【应用领域】 AI+电力目标检测

【文件目录】 Annotations和JPEGImages两个文件夹

【数据说明】
Annotations目录下是xml标注文件，JPEGImages目录下是jpg图像文件，数据集包含200张有鸟巢目标的电力线或杆塔图像，带xml标注，数据大小约0.64GB。

![0c8c80132d1610b1169e6742f2b2ee5e.jpeg](https://img-
blog.csdnimg.cn/img_convert/0c8c80132d1610b1169e6742f2b2ee5e.jpeg)

08

—

输电杆塔目标检测数据集

【数据背景】
高压输电线路杆塔是国家电网建设的重要组成部分，它的安全关系着电力安全和国计民生。当前，高压杆塔巡视工作方法传统，无法实时监测和应对突发性地质灾害导致的高压杆塔塔基倾斜、滑坡等事故。因此，基于AI的全自动目标检测方法可以实时监测高压杆塔，是保障输电线路安全运行的有效途径。

【应用领域】 AI+电力目标检测

【文件目录】 Annotations和JPEGImage两个文件夹

【数据说明】
Annotations目录下是xml标注文件，JPEGImage目录下是jpg图像文件，数据集包含400张输电线路杆塔图像，数据大小约0.14GB。

![a9208ad159e04cfd51962ec116616e11.jpeg](https://img-
blog.csdnimg.cn/img_convert/a9208ad159e04cfd51962ec116616e11.jpeg)

09

—

高压线路绝缘子缺陷检测数据集

【数据背景】
随着国家西电东送战略的提出，特高压输电和高压输电变得尤为重要，输电线路的巡检是保证输电正常的重要一环。智能化电网的快速发展，巡检无人机、机器人正在逐步代替传统人工巡检。绝缘子是输电线路的重要组成部分，是唯一的电气绝缘件和重要的结构支撑件，绝缘子性能及其配置的合理性直接影响线路的安全稳定运行。本数据集部分来源于无人机真实拍摄，部分来自图片合成。

【应用领域】 AI+电力目标检测

【文件目录】 Annotations和JPEGImages两个文件夹

【数据说明】
Annotations目录下是xml标注文件，JPEGImages目录下是jpg图像文件，数据集包括600张高压输电线路缺损的绝缘子图片，采用VOC标注格式，可自行进行训练集、验证集的划分。

![96a0f1f6768abe5e6de33b1d63ee93a6.jpeg](https://img-
blog.csdnimg.cn/img_convert/96a0f1f6768abe5e6de33b1d63ee93a6.jpeg)

10

—

结束语

以上就是输电线路和变电站相关数据集的所有内容了，更多数据集下载请关注文章图片右下角平台即可获取。

题外话

初入计算机行业的人或者大学计算机相关专业毕业生，很多因缺少实战经验，就业处处碰壁。下面我们来看两组数据：

2023届全国高校毕业生预计达到1158万人，就业形势严峻；

国家网络安全宣传周公布的数据显示，到2027年我国网络安全人员缺口将达327万。

一方面是每年应届毕业生就业形势严峻，一方面是网络安全人才百万缺口。

6月9日，麦可思研究2023年版就业蓝皮书（包括《2023年中国本科生就业报告》《2023年中国高职生就业报告》）正式发布。

2022届大学毕业生月收入较高的前10个专业

本科计算机类、高职自动化类专业月收入较高。2022届本科计算机类、高职自动化类专业月收入分别为6863元、5339元。其中，本科计算机类专业起薪与2021届基本持平，高职自动化类月收入增长明显，2022届反超铁道运输类专业（5295元）排在第一位。

具体看专业，2022届本科月收入较高的专业是信息安全（7579元）。对比2018届，电子科学与技术、自动化等与人工智能相关的本科专业表现不俗，较五年前起薪涨幅均达到了19%。数据科学与大数据技术虽是近年新增专业但表现亮眼，已跻身2022届本科毕业生毕业半年后月收入较高专业前三。五年前唯一进入本科高薪榜前10的人文社科类专业——法语已退出前10之列。

“没有网络安全就没有国家安全”。当前，网络安全已被提升到国家战略的高度，成为影响国家安全、社会稳定至关重要的因素之一。

网络安全行业特点

1、就业薪资非常高，涨薪快 2022年猎聘网发布网络安全行业就业薪资行业最高人均33.77万！

2、人才缺口大，就业机会多

2019年9月18日《中华人民共和国中央人民政府》官方网站发表：我国网络空间安全人才 需求140万人，而全国各大学校每年培养的人员不到1.5W人。猎聘网《2021年上半年网络安全报告》预测2027年网安人才需求300W，现在从事网络安全行业的从业人员只有10W人。

行业发展空间大，岗位非常多

网络安全行业产业以来，随即新增加了几十个网络安全行业岗位︰网络安全专家、网络安全分析师、安全咨询师、网络安全工程师、安全架构师、安全运维工程师、渗透工程师、信息安全管理员、数据安全工程师、网络安全运营工程师、网络安全应急响应工程师、数据鉴定师、网络安全产品经理、网络安全服务工程师、网络安全培训师、网络安全审计员、威胁情报分析工程师、灾难恢复专业人员、实战攻防专业人员…

职业增值潜力大

网络安全专业具有很强的技术特性，尤其是掌握工作中的核心网络架构、安全技术，在职业发展上具有不可替代的竞争优势。

随着个人能力的不断提升，所从事工作的职业价值也会随着自身经验的丰富以及项目运作的成熟，升值空间一路看涨，这也是为什么受大家欢迎的主要原因。

从某种程度来讲，在网络安全领域，跟医生职业一样，越老越吃香，因为技术愈加成熟，自然工作会受到重视，升职加薪则是水到渠成之事。

黑客&网络安全如何学习

今天只要你给我的文章点赞，我私藏的网安学习资料一样免费共享给你们，来看看有哪些东西。

1.学习路线图

行业发展空间大，岗位非常多

网络安全行业产业以来，随即新增加了几十个网络安全行业岗位︰网络安全专家、网络安全分析师、安全咨询师、网络安全工程师、安全架构师、安全运维工程师、渗透工程师、信息安全管理员、数据安全工程师、网络安全运营工程师、网络安全应急响应工程师、数据鉴定师、网络安全产品经理、网络安全服务工程师、网络安全培训师、网络安全审计员、威胁情报分析工程师、灾难恢复专业人员、实战攻防专业人员…

职业增值潜力大

网络安全专业具有很强的技术特性，尤其是掌握工作中的核心网络架构、安全技术，在职业发展上具有不可替代的竞争优势。

随着个人能力的不断提升，所从事工作的职业价值也会随着自身经验的丰富以及项目运作的成熟，升值空间一路看涨，这也是为什么受大家欢迎的主要原因。

从某种程度来讲，在网络安全领域，跟医生职业一样，越老越吃香，因为技术愈加成熟，自然工作会受到重视，升职加薪则是水到渠成之事。

黑客&网络安全如何学习

今天只要你给我的文章点赞，我私藏的网安学习资料一样免费共享给你们，来看看有哪些东西。

1.学习路线图

攻击和防守要学的东西也不少，具体要学的东西我都写在了上面的路线图，如果你能学完它们，你去就业和接私活完全没有问题。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己录的网安视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

内容涵盖了网络安全法学习、网络安全运营等保测评、渗透测试基础、漏洞详解、计算机基础知识等，都是网络安全入门必知必会的学习内容。

3.技术文档和电子书

技术文档也是我自己整理的，包括我参加大型网安行动、CTF和挖SRC漏洞的经验和技术要点，电子书也有200多本，由于内容的敏感性，我就不一一展示了。

4.工具包、面试题和源码

“工欲善其事必先利其器”我为大家总结出了最受欢迎的几十款款黑客工具。涉及范围主要集中在 信息收集、Android黑客工具、自动化工具、网络钓鱼等，感兴趣的同学不容错过。

还有我视频里讲的案例源码和对应的工具包，需要的话也可以拿走。

这些题目都是大家在面试深信服、奇安信、腾讯或者其它大厂面试时经常遇到的，如果大家有好的题目或者好的见解欢迎分享。

参考解析：深信服官网、奇安信官网、Freebuf、csdn等

内容特点：条理清晰，含图像化表示更加易懂。

内容概要：包括 内网、操作系统、协议、渗透测试、安服、漏洞、注入、XSS、CSRF、SSRF、文件上传、文件下载、文件包含、XXE、逻辑漏洞、工具、SQLmap、NMAP、BP、MSF…

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

如果你对网络安全入门感兴趣，那么你需要的话可以点击这里