数据集概述
输电线路异物识别检测数据集，聚焦输电线路场景下的异物入侵识别，共约 17000 张图像，采用 YOLO 格式标注，图片清晰、标注齐全，适用于输电线路异物检测、目标识别、电力巡检等视觉任务，可直接用于 YOLO 系列目标检测模型训练。
数据集数据量充足，覆盖多种典型异物类型，适合输电线路异物检测、目标识别与模型训练等场景使用。
![]()
核心参数
| 项目 | 详情 |
|---|---|
| 数据集名称 | 输电线路异物识别检测数据集 |
| 数据规模 | 16900 张图像 |
| 标注格式 | YOLO 格式 |
| 标注质量 | 图片清晰，标注齐全 |
| 采集场景 | 输电线路场景 |
| 核心用途 | 输电线路异物检测、目标识别、电力巡检 |
标注类别说明
素材未提供具体类别名称，数据集聚焦输电线路异物类目标，标签为 YOLO 格式，按实际类别使用。
| 序号 | 类别名称 | 说明 |
|---|---|---|
| 0 | 异物（foreign_object） | 输电线路上的异物（如飘挂物、鸟巢、塑料等） |
具体异物类别清单（如塑料布、风筝、气球、鸟巢等）请以数据集
classes.txt或标注文件为准补充。
## 格式支持
默认YOLO格式数据集
适用场景
- 输电线路异物自动识别与检测
- 电力巡检智能预警
- 异物入侵风险评估辅助
- 输电线路目标检测模型训练
训练配置示例（YOLO 格式）
数据集配置（YAML）
yaml
输电线路异物识别检测数据集配置
path: ./transmission_line_detect train: images/train val: images/val test: images/test names:0: foreign_object训练代码
python from ultralyticsimportYOLO 加载模型 model=YOLO("yolo11s.yaml")开始训练 model.train(data="transmission_line_detect.yaml",epochs=200,imgsz=640,batch=16,device=0)话题关键词
#输电线路 #异物检测 #目标检测 #电力巡检 #YOLO数据集
