简介：面向电力设备巡检、计算机视觉目标检测研究者的输电线路红外过热检测数据集，针对输电线路运行中红外过热隐患难以快速定位的问题，提供精细标注数据，可直接用于目标检测模型的训练、验证与对比研究，也适合作为高校电力物联网、智能运维相关课程的实验素材。压缩包共2000个文件，以1999个Pascal VOC格式xml标注文件为主，并附1个使用说明txt，整体33.57MB，便于直接接入常见检测框架后按需做格式转换。目前已有120人学习下载。该数据集覆盖多场景下的输电线路红外图像，标注内容包括过热区域位置、温度分布等关键信息，能够支撑模型学习过热特征与故障规律；同时配套说明文档，有助于快速理解数据组织方式，对红外检测算法研究、设备状态评估项目具有实际参考价值。
1. 电力场景输电线路红外过热检测数据集：2253张图能解决什么实际问题
做电力巡检的人都知道，红外热像仪拍输电线路，核心看的是耐张线夹、引流板、接续管这些发热点。以前全靠巡检工人在现场一张一张翻图像，眼睛看花了也容易漏。这个电力场景输电线路红外过热检测数据集VOC+YOLO格式2253张1类别.rar，就是把2253张实地拍摄的红外图像按统一规范整理好，只标注“过热”这一类目标，同时给出VOC的xml和YOLO的txt两套标签，省去自己采集、清洗、标注的漫长过程。适合想做红外视觉检测落地的算法工程师，也适合用YOLOv8、YOLOv5练手单类别检测的学生。拿到手就能直接接进训练管线，不需要从零处理原始热像仪文件。
2. 读懂VOC和YOLO两种格式：2253张图怎么组织、两类标签怎么用
很多第一次拿到这种双格式数据集的人，第一反应是问“我到底该用哪个”。这个问题的答案不是“哪个更好”，而是“你的工具链吃哪个格式”。先把这个数据集内部的布局讲清楚，才能不走弯路。
2.1 VOC格式的目录结构与XML标注字段
解压这个.rar之后，常见的组织方式是VOCdevkit根目录下分Annotations、JPEGImages、ImageSets/Main三个目录。JPEGImages放的是2253张红外图，文件名形如00123.jpg；Annotations里是对应的00123.xml，每个xml文件描述一张图片里所有目标框。
ImageSets/Main下的train.txt、val.txt、test.txt写的是不带后缀的图片名列表，每行一个。训练脚本通过这个列表去JPEGImages和Annotations里取对应的成对文件。这里有个容易看漏的细节：数据集里如果只有train.txt和val.txt，没有单独的test.txt，说明作者把测试集合并进了验证集，你训练时需要在脚本里留出额外拆分，否则最后评估会偏高。
XML的核心字段就几个。<folder>写目录名，<filename>写图片名，<source>和<size>记录图片宽高深度。重点在<object>节点：<name>是类别名，这个数据集只有一个类别，常见写heating或overheat；<bndbox>里是xmin、ymin、xmax、ymax四个整数坐标，表示目标框左上角和右下角。
<annotation> <folder>JPEGImages</folder> <filename>00123.jpg</filename> <size> <width>640</width> <height>512</height> <depth>3</depth> </size> <object> <name>heating</name> <bndbox> <xmin>102</xmin> <ymin>86</ymin> <xmax>158</xmax> <ymax>141</ymax> </bndbox> </object> </annotation>这段XML说明图上有且只有一个发热目标框，坐标都是像素值，没有做过归一化。VOC格式的特点就是人类可读、可视化工具友好，你拿LabelImg重新打开这张图，能直接看到框和类别标签。
2.2 YOLO格式的txt标注与归一化坐标换算
YOLO格式完全不同，它不依赖xml，每张图片对应一个同名的txt文件，放在labels目录里。文件名仍是00123.txt，里面每一行代表一个目标框，格式是class_id x_center y_center width height，注意全部是归一化数值，范围0到1。
class_id从0开始计数，因为这个数据集只有1个类别，所以每行开头固定是0。后面的四个数字是把VOC的像素坐标换算出来的：x_center等于(xmin+xmax)/2/width，y_center等于(ymin+ymax)/2/height，框宽等于(xmax-xmin)/width，框高同理。
0 0.203125 0.221680 0.087500 0.107422用上一节XML里的数值算一遍：x_center是(102+158)/2/640=0.203125，y_center是(86+141)/2/512≈0.22168，宽度是56/640=0.0875，高度是55/512≈0.10742。这个txt不需要保留原始图片尺寸，因为所有数值都是比例，换什么分辨率都通用。
yolo_格式的目录安排，训练工具直接读images和labels两个同级目录。你拿到手的压缩包如果已经按images/train、labels/train分层放好，那就最省事；如果平铺在同一个目录里，需要先按图片文件名把txt对拷到对应子目录。很多训练脚本的data.yaml文件里会写train: path/to/images/train，val: path/to/images/val，它自动去labels目录找同名txt。这个对应关系一旦错位，训练时报错信息又含糊，后面专门说。
2.3 两种格式选哪个：训练目标与工具链决定
不要“哪个熟用哪个”，而要看你的下一步动作。如果你只用Ultralytics YOLO系列训练，直接吃YOLO格式，零转换成本；如果你要做数据增强、用MMDetection、或者用LabelImg重新修改标注，VOC格式更顺。常见做法是把一份数据放在VOC结构里，训练前用脚本批量转成YOLO，这样两头不耽误。
数据增强场景优先选VOC：比如你用imgaug库做随机裁剪，它需要的是像素坐标框；如果只有归一化的txt，裁剪后还得重新归一化，容易算错。反过来，如果你要快速跑通一个YOLOv8的完整训练，用YOLO格式能少踩“标签路径不对”的坑。
选型时还要看显卡显存。YOLO格式配合ultralytics的训练管线，能直接在data.yaml里设cache: True，把整份数据集预加载到内存，减少磁盘IO。VOC格式要先用脚本完成json中间文件转换，多一步就多一个出错点。我的习惯是：如果没有特殊的数据增强需求，一律优先YOLO格式，省心。
3. 用YOLO格式跑通YOLOv8训练：最小命令、参数与验证
拿到这份数据集之后，大多数人真正想做的事就一句话：让模型能识别红外图里的过热区域。这一节给你一条能直接跑的路径，先跑通再调参。
3.1 安装环境与准备数据目录
训练环境建议用Python 3.8到3.10的干净conda环境，GPU显存最低6G，因为红外图像通道单一但尺寸不小。安装ultralytics库，这是目前最常见的YOLOv8训练入口。
conda create -n infrared python=3.9 conda activate infrared pip install ultralytics安装完成后，把数据集解压并按下面的目录结构放好。如果你的压缩包已经分层，直接复制过来即可；如果平铺，就手动创建目录结构。
dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yamldata.yaml内容如下，注意names是列表形式，只有一个类别时写['heating']，不要写成字典格式。
path: /home/user/dataset train: images/train val: images/val names: 0: heating这段配置告诉ultralytics三个信息：数据集根目录、训练和验证图片的相对路径、类别名。names列表的索引就是txt里每行的第一个数字。类别名写错不会报错，但最后预测结果里的名字是错的，回头检查时容易懵。
3.2 训练参数设置：imgsz、epochs、batch、workers
直接跑第一版训练，推荐把显存和速度控制在合理范围。下面的命令适合一张12G或24G显卡。
yolo detect train \ data=/home/user/dataset/data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ workers=4 \ device=0 \ cache=True这里每个参数都有实际影响。model=yolov8n.pt是预训练权重，虽然红外图和自然图像差距大，但预训练带来的底层特征迁移仍然能缩短收敛时间。imgsz=640是输入分辨率，红外热像仪原始分辨率常见640x512，缩到640既能保住小目标细节，又不至于撑爆显存。batch=16在12G显存下偏稳，如果显存32G以上可以加到32。cache=True把图片提前加载进内存，2253张图全量缓存大约占用内存1.5G左右，完全可接受。
epochs=100是一个相对安全的起点。单类别目标检测收敛速度通常比多类别快，50轮左右损失就开始平稳，100轮足够看完整曲线。如果时间紧，可以先跑50轮，观察val/box_loss曲线，若还在下降就续跑。
训练开始后，终端会输出每轮的box_loss、cls_loss、dfl_loss、precision、recall和mAP50。你的第一关注点是mAP50有没有快速超过0.8。红外过热目标通常比较小，如果前20轮mAP50还在0.5以下，说明anchor或输入尺寸需要调整，这个放到避坑章节细说。
3.3 验证结果：混淆矩阵、热力图与预测输出
训练完的模型以best.pt保存在runs/detect/train/weights目录下。用下面的命令在验证集上跑推理，生成可视化结果：
yolo detect predict \ model=runs/detect/train/weights/best.pt \ source=/home/user/dataset/images/val \ conf=0.25 \ save_txt=True \ save_conf=Trueconf=0.25是置信度阈值，低于这个值的框会被过滤。红外图像的对比度低，背景温度梯度也大，建议先保持0.25，再看结果决定要不要调到0.3或0.2。save_txt=True会生成预测的标签文件，直接用脚本和真实标签做比对，能算出每张图的漏检和误检。
验证集上，Ultralytics会自动生成confusion_matrix.png。单类别模型里，这个混淆矩阵是2x2，除了对角线之外，最需要看的是background被预测为目标的比例，那代表误检有多严重。红外场景里，绝缘子、金具在白天阳光照射下也可能发热，模型容易把边缘温度高的区域框出来，这是正常现象，需要靠后续的min_iou或回归阈值去抑制。
4. VOC格式反向使用与格式互转：一份脚本解决标注迁移
拿到这份数据集，你可能会遇上一种尴尬：数据集的VOC部分想用在自己的老项目里，但老项目只认自己的中间格式。或者你想把YOLO txt转回VOC来编辑标注，发现坐标归一化后图像变了位置。最省事的办法是写一个小脚本，在两种格式之间按需互转。
4.1 为什么还要用VOC：标注工具与数据增强兼容性
YOLO格式虽然训练方便，但手工校正标注很痛苦。你在LabelImg里打开一张图，想调整一个框，不可能直接看txt的0.87 0.45这种数字去心算像素坐标。这时候VOC的像素框有绝对优势：打开xml，看到的就是实际像素坐标，想改就改。
另外，很多经典数据增强管道基于VOC设计。比如用albumentations的BboxParams进行随机平移、旋转时，需要输入像素坐标。你如果手里只有YOLO txt，就得先恢复出xmin、ymin、xmax、ymax，做增强后再重新归一化。跳过这一步直接用归一化坐标做裁剪，通常会出现框偏移半张图的问题。
还有一点是模型集成。你要用MMDetection系列工具时，它虽然支持CocoDataset，但如果你从零准备数据，VOC格式的voc2coco脚本是最成熟的部分。与其在中间格式上折腾，不如直接保留一份VOC原始数据。
4.2 Python脚本：VOC转YOLO
下面这个脚本是VOC转YOLO的标准实现，我处理电力红外数据时一直用它。输入是VOC的Annotations目录，输出是YOLO的labels目录，图片尺寸从xml的size节点读，不依赖文件名。
import os import xml.etree.ElementTree as ET voc_annotations = "VOCdevkit/Annotations" yolo_labels = "VOCdevkit/labels" class_map = {"heating": 0} os.makedirs(yolo_labels, exist_ok=True) for xml_file in os.listdir(voc_annotations): if not xml_file.endswith(".xml"): continue tree = ET.parse(os.path.join(voc_annotations, xml_file)) root = tree.getroot() width = int(root.find("size/width").text) height = int(root.find("size/height").text) txt_lines = [] for obj in root.iter("object"): name = obj.find("name").text if name not in class_map: continue box = obj.find("bndbox") xmin = int(box.find("xmin").text) ymin = int(box.find("ymin").text) xmax = int(box.find("xmax").text) ymax = int(box.find("ymax").text) x_center = (xmin + xmax) / 2.0 / width y_center = (ymin + ymax) / 2.0 / height w = (xmax - xmin) / width h = (ymax - ymin) / height txt_lines.append(f"{class_map[name]} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") txt_name = xml_file.replace(".xml", ".txt") with open(os.path.join(yolo_labels, txt_name), "w") as f: f.write("\n".join(txt_lines))逻辑说明：先解析xml，拿到图片真实宽高，再遍历所有object节点。每个目标框先把像素坐标算出中心点和宽高，再除以图片宽高得到归一化值。输出写入同名txt，.6f保留六位小数，足够YOLO训练使用。
注意这里的class_map里类别名和数据集里的<name>字段必须完全一致，大小写或空格不同都会导致这一类的目标被丢弃。脚本里continue的逻辑是跳过未知类别，如果你只想保留某一类，把这个映射表改一下就能过滤。反过来转YOLO到VOC，关键是用图片真实宽高把归一化坐标放大回像素值，再去构造xml的bndbox节点，完成后必须检查输出坐标有没有越界，因为有些txt里的框可能超出图像边缘。
4.3 脚本中容易翻车的路径与类别映射细节
路径问题最常见。脚本里的voc_annotations和yolo_labels如果是相对路径，建议在脚本开头打印一次os.getcwd()确认当前工作目录。我实际测试时，在项目根目录运行一次能正常转，第二次换到子目录运行就提示找不到xml，最后定位是相对路径写错了。
类别映射的坑到第二轮才暴露。第一版脚本里我把class_map写成{"heating": 0, "normal": 1}，但数据集只有一个类别，结果发现xml里有个<name>写成了Heating，首字母大写，脚本把它当成未知类别直接跳过，那一张图的标签文件内容为空。YOLO训练时空标签文件不会报错，但会少一个正样本，积累多了模型就退化成“什么框都不出”。
所以转格式后一定要做统计校验：数一下生成的txt文件数量是否等于xml数量，再随机抽查几个txt里是否有非零坐标值。在电力红外数据里，一张图往往只有一个目标框，如果某个txt文件里只有一行0 0 0 0 0，说明源xml的bndbox里出现了全零坐标，这种脏数据训练时会持续影响损失，需要提前清洗。
5. 训练红外过热检测的常见坑：3个真实踩坑记录
这一份数据集看着简单，单类别、标准化格式，但实际训练中翻车的地方不少。我把常见的三类问题按现象、原因、解决写出来，你不一定全部遇到，遇到一个就能少查半小时资料。
5.1 标签类别写错导致训练直接报错
现象：训练脚本启动后，刚跑完第一轮迭代就在计算loss时报错，提示index 1 is out of bounds for axis 0 with size 1，或者干脆报Label shape mismatch。
原因：txt标注文件里出现了1这个类别索引，但data.yaml里的names只定义了一个类别。也就是说，数据集的某个或某几个txt文件里写的是别的类别编号，可能是作者整理时混入了旧标签，也可能是你在转换脚本里定义class_map时把映射关系写反了。
解决：写一个Python脚本遍历所有labels文件，打印出现过的所有类别索引，并统计每个索引的框数量。如果发现索引大于len(names)-1，直接用脚本把这行的索引改回0，并检查对应xml确认是不是标错类别。在电力红外场景里，通常只关心过热这一种异常，其他类别一律改为0或删除该框。
import os label_dir = "dataset/labels/train" bad_files = [] for f in os.listdir(label_dir): path = os.path.join(label_dir, f) with open(path) as fp: for line in fp: parts = line.strip().split() cls_id = int(parts[0]) if cls_id != 0: bad_files.append((f, cls_id)) print(bad_files[:10])这个脚本只有二十行，却在多次训练前帮我发现了问题。跑完这一遍，再回data.yaml里确认names只有一个值，训练立刻恢复正常。
5.2 红外图像小目标漏检：anchor与imgsz的坑
现象：训练曲线正常，mAP50在验证集上有0.85，但实际拿去测试几张红外原图，很多明显的发热点没框出来，或者框特别大，把整个绝缘子串都圈进去了。
原因：红外图像里过热区域往往是一个小块，比如耐张线夹的发热区可能只占整张图的2%到5%。YOLOv8默认的anchor尺寸偏大，对这类小目标不敏感。另外imgsz=640虽然和原始分辨率匹配，但如果原始图片本身是800x600，训练时被压缩到640，小目标边缘信息丢失很多。
解决：先把imgsz提高到原始分辨率，比如imgsz=800或1024；其次在data.yaml旁边加一个anchors配置，或者直接打开模型的yaml文件，把小anchor尺寸修改为[4, 6, 8]这一类更小的值。如果不熟悉anchor调参，最省力的办法是改用yolov8s或yolov8m，更大的模型对小目标的特征提取更充分。
这里还有一层玄学：红外图像是单通道温度映射，和自然图像的RGB特征分布差异很大。你用预训练权重的时候，前几层卷积的统计量是按自然图像算的，小目标特征会被背景温度梯度淹没。所以不要省这一步，训练之前先把图像数据统计出来，看一下目标框面积占全图面积的比例分布，如果中位数低于0.03，imgsz调高是必须的。
5.3 过拟合与类别不平衡：2253张单类别的边界
现象：训练到第60轮开始，训练集loss持续下降，但验证集loss先降后升，val/mAP50在0.8附近波动，不再上涨。最终模型在训练集上表现完美，在验证集上却有漏检。
原因：2253张图对于单类别检测来说并不算多，尤其当场景高度相似时——同一个变电站、同一批杆塔角度、相近的温度色标，模型很容易背下训练集的纹理，而不是学到“过热区域”的本质特征。单类别的另一面是负样本很难定义，没有“常温”类，模型对“什么都不框”这件事天生不敏感。
解决：首先在训练命令里加正则和增强参数，hsv_h=0.01、hsv_s=0.5、hsv_v=0.4、degrees=5、translate=0.05，这些增强能从亮度、轻微旋转上扩充数据。其次把训练轮数从100降到60，用早停法在patience=15时停止，避免后期单纯拟合噪声。最后，如果验证集持续不涨，去检查训练集和验证集是否来自同一批数据，很多数据集作者按文件名随机划分，但同一个杆塔的连续帧会同时出现在两边，这会导致验证结果虚高，解决方法是按场景或拍摄条带分组划分。
6. 让模型更抗造：验证集划分、模型导出与实拍部署前检查
训练好模型只是第一步，能不能用起来，取决于你把验证和部署环节做得够不够细。这一步不需要大改代码，但每次做都能避免现场翻车。
先做一次严格的划分检查。用脚本按图片文件名里的拍摄位置或时间戳分组，确保同一个过热点的连续帧不会同时出现在训练和验证里。下面的代码按文件名前六位分组，把同一组的图片放进同一侧。
import os from collections import defaultdict images = os.listdir("dataset/images") groups = defaultdict(list) for img in images: groups[img[:6]].append(img) train_imgs, val_imgs = [], [] for _, imgs in groups.items(): if len(imgs) == 1: train_imgs.append(imgs[0]) else: split = int(len(imgs) * 0.8) train_imgs += imgs[:split] val_imgs += imgs[split:]然后导出ONNX。用yolo export，指定format=onnx，这一步会把Pytorch权重转成通用格式，方便在Jetson、OpenVINO或自己的C++程序里跑。导出后我用Netron看一遍输入输出节点，确认输入尺寸和训练时一致，避免部署时把640的图塞进一个要求1920输入的模型。
最后看loss曲线。训练结束后在runs/detect/train目录下打开results.png，主要看val/box_loss和val/cls_loss是否在最后10轮保持平稳。如果仍有明显的下降趋势，说明欠拟合，可以加载last.pt续跑；如果验证损失一路上扬，回到上一章去检查过拟合。我的习惯是每跑完一轮实验，把results.png按参数名存一份，两周后翻出来对比，比自己记住的靠谱得多。
红外检测这类项目，最大的教训就是别迷信高mAP数字，现场照片和你训练集里的色标可能就差几度，模型立刻变笨。所以拿到任何数据集，第一件事永远是抽10张图人工标注，和预测结果做并排比对，眼见为实。希望帮到你。
本文还有配套的精品资源，点击获取
