필요한 학생은 비공개 메시지를 통해 연락할 수 있으며, 다운로드하려면 위 사진 오른쪽 하단에 있는 구독 계정 플랫폼을 주의해서 다운로드하는 것이 좋습니다.
드론이 수집한 이미지 또는 영상에 대한 엔드투엔드 표적 탐지, 유선 모니터링, 변전소의 검사 로봇, 역의 고정 카메라 등을 수행하고 딥 러닝과 전통적인 이미지 처리 기술을 결합하여 지능적인 이해를 달성합니다. 검사 이미지, 송전선 및 변전소 장비 식별, 결함 감지, 이물질 감지 등을 통해 전력 시스템의 안전성을 효과적으로 향상시킬 수 있습니다. 따라서 편집자는 AI+ 스마트 전력 감지에 대한 연구와 혁신을 촉진하기 위해 전력 분야의 10개 이상의 세분화된 시나리오에 대한 표적 감지 데이터 세트를 포함하여 매우 완벽한 AI+ 스마트 전력 감지 데이터 컬렉션을 편집했습니다.
1. 광동 전력망 절연 장갑 착용 감지 데이터 세트
2. 광동 전력망 안전복 착용 감지 데이터 세트
3. 광동전력망(Guangdong Power Grid)의 고고도 작업 안전벨트 착용 감지 데이터 세트
4. 중국 남부 전력망 전주 및 타워 이물질 감지 데이터 세트
5. AI 전력선 순찰 헬멧 감지 데이터 세트
6. 변전소 지능형 검사 데이터 세트
7. 전송선 타워 새둥지 탐지 데이터 세트
8. 송신극 타겟 검출 데이터 세트
9. 고압선 절연체 불량 검출 데이터 세트
10. 전송선 피팅 데이터 세트
01
—
광동 전력망 절연 장갑 착용 감지 데이터 세트
[데이터 배경] 전력망 운영자는 매일 현장에서 전력 점검 및 정전 작업을 수행해야 하며, 운영 안전을 보장하기 위해 전력 점검 담당자는 전력 점검 및 정전 작업을 수행하기 전에 고무 절연 장갑을 착용해야 합니다. 동시에 전기 검사 인력의 행동 사양을 감독하고 예상치 못한 상황이 발생하면 적시에 경찰에 구조를 요청하기 위해 현장에 보호자가 있어야 합니다. 이 시나리오에서 제공하는 훈련 데이터 세트에 포함된 구체적인 레이블과 설명은 다음과 같습니다.
뱃지 : 수호 완장 (빨간 완장만 인정)
사람: 사진에 등장하는 모든 사람
장갑 : 절연장갑(고무재질)
잘못된 장갑: 절연 장갑을 착용하지 않음(다른 장갑 또는 맨 손바닥)
작동바: 작동 레버
powerchecker: 전기 테스트 펜
위의 정보를 통해 전력망 현장 운영 중 "사람" 단위로 다음 내용을 자동으로 탐지할 수 있는 대상 탐지 알고리즘이 필요합니다.
1.1 참석한 모든 사람의 신원을 확인하고 보호자(빨간 완장 착용)를 구체적으로 구분합니다.
1.2 규정에 따라 출석하여 절연장갑(팔뚝까지 고무재질)을 착용한 사람과 불법적으로 절연장갑을 착용한 사람(타재질 장갑 착용, 맨손바닥, 반나체 손바닥, 노출된 손바닥)을 식별한다. 손 피부 등)은 부적절하다고 간주됩니다.
1.3 현장 직원이 휴대용 도구(작동 막대 또는 절연 펜)를 가지고 있는지 확인합니다.
주의가 필요한 몇 가지 특별한 상황이 있습니다.
상황 1: 양손을 관찰할 수 있으나 장갑을 한쪽만 착용하는 것은 불법입니다.
상황 2: 두 손 중 한 손만 보이고, 규정에 따라 착용하는 장갑도 한 개만 착용함.
상황 3: 장갑을 손에 끼지 않고 장갑을 손에 쥐고 있는 경우는 불법입니다.
[알고리즘 결과] 평가 세트에 대해 예측을 하고 평가 결과를 제출하는 것이 필요합니다. 요구 사항은 단일 json 파일로 제출됩니다. 구체적인 서류 요구사항은 다음과 같습니다.
[{
"image_id": int,
"category_id": int,
"bbox": [xmin,ymin,xmax,ymax],
"score": float
}]
image_id는 csv의 테스트 데이터에 있는 이미지의 일련 번호로, 0부터 시작하고 int 유형 번호 0, 1, 2, 3...이며, 초과하는 경우 최대값은 599보다 작습니다. 동일박스가 여러개이므로 오류가 발생합니다. 본인확인 결과의 경우 제출횟수에는 제한이 없으며 600개를 초과할 수 있습니다.
Category_id는 감지해야 하는 결과 카테고리입니다. 또한 int입니다. Category_id는 한 번에 하나의 카테고리만 제출합니다. 상자가 여러 인식 결과를 충족하는 경우 블록으로 작성해야 합니다. 제출해야 하는 테스트 결과는 다음 카테고리에 속하며, 이미지의 카테고리_id는 아래 댓글과 동일하게 유지되어야 합니다.
경비원
Gloveperson (절연 장갑을 착용해야 하는 직원)
Worgloveperson(규정에 따라 절연장갑을 착용하지 않은 사람)
운영자(수공구를 가진 사람)
[데이터 파일] 데이터 세트의 파일 목록에는 1_testa_user.csv, 1train_rname.csv, 1_images.tar.gz, 1_test_images.tar.gz 총 4개의 파일이 포함되어 있습니다.
1_images.tar.gz는 약 11.0GB 크기의 학습 이미지 세트입니다.
1_test_images.tar.gz는 약 2.5GB 크기의 테스트 이미지 세트입니다.
1train_rname.csv는 훈련 세트 레이블입니다.
1_testa_user.csv는 테스트 세트 정보입니다.
02
—
광동 전력망 안전복 착용 감지 데이터 세트
[데이터 배경] 광동 전력망 회사의 규정에 따르면 근로자는 정신적 외모를 단정하고 통일되게 유지하기 위해 매일 작업복을 착용해야 하며 야외에서 작업하는 근로자에게 안전 장벽을 제공해야 합니다. 보호자의 경우 작업복에 빨간색 완장을 추가로 착용해야 합니다. 이 시나리오에 제공된 학습 데이터 세트에 포함된 특정 레이블과 설명은 다음과 같습니다.
뱃지 : 수호 완장 (빨간 완장만 인정)
사람: 사진에 등장하는 모든 사람
옷: 준수 작업복
wrongclothes("wrongbottom", "wrongtop" 및 "wrongsuit" 태그 포함): 불규칙한 작업복(오픈 상의, 롤업된 바지 다리, 롤업된 소매, 불완전한 세트 등 포함)
위의 정보를 통해 전력망 현장 운영 중 "사람" 단위로 다음 내용을 자동으로 탐지할 수 있는 대상 탐지 알고리즘이 필요합니다.
2.1 참석한 모든 사람의 신원을 확인하고 보호자(빨간 완장 착용)를 구체적으로 구분합니다.
2.2 규정에 따라 작업복을 착용하는 근로자를 식별합니다.
2.3 규정에 따라 작업복을 착용하지 않은 근로자를 식별합니다. 그 중 작업복의 상·하의가 일치하지 않고, 플래킷을 열고 작업복을 입는 경우, 바지 다리를 롤업한 경우, 소매를 롤업한 경우 등 모두 불규칙한 작업복 착용 사례이다.
[알고리즘 결과] 평가 세트에 대해 예측을 하고 평가 결과를 제출하는 것이 필요합니다. 요구 사항은 단일 json 파일로 제출됩니다. 구체적인 서류 요구사항은 다음과 같습니다.
[{
"image_id": int,
"category_id": int,
"bbox": [xmin,ymin,xmax,ymax],
"score": float
}]
image_id는 csv의 테스트 데이터에 있는 이미지의 일련 번호로, 0부터 시작하고 int 유형 번호 0, 1, 2, 3...이며, 초과하는 경우 최대값은 599보다 작습니다. 동일박스가 여러개이므로 오류가 발생합니다. 본인확인 결과의 경우 제출횟수에는 제한이 없으며 600개를 초과할 수 있습니다.
Category_id는 감지해야 하는 결과 카테고리입니다. 또한 int입니다. Category_id는 한 번에 하나의 카테고리만 제출합니다. 상자가 여러 인식 결과를 충족하는 경우 블록으로 작성해야 합니다. 제출해야 하는 테스트 결과는 다음 카테고리에 속하며, 이미지의 카테고리_id는 아래 댓글과 동일하게 유지되어야 합니다.
경비원
rightdressed (규정에 따라 작업복을 입은 직원)
잘못된 옷을 입은 사람(규정에 따라 작업복을 입지 않은 사람)
참고: 등장하는 모든 사람(전력망 작업자, 보호자, 구경꾼, 통행인 등 포함)은 작업복을 착용하여 신원을 확인해야 합니다.
예: 작업복을 입은 전력망 작업자가 현장에 나타났습니다. 현장 작업자가 아닌 작업자는 감독자가 아니므로 작업복이 규정을 준수하는지 확인해야 합니다. 통행인(작업복을 입지 않은 사람)이 나타나면 복장 불량(규정에 따라 작업복을 입지 않은 사람)으로 판단해야 합니다.
[데이터 파일] 데이터 세트의 파일 목록에는 2_testa_user.csv, 2train_rname.csv, 2_images.tar.gz, 2_test_images.tar.gz 총 4개의 파일이 포함되어 있습니다.
1_images.tar.gz는 약 12.8GB 크기의 학습 이미지 세트입니다.
1_test_images.tar.gz는 약 2.6GB 크기의 테스트 이미지 세트입니다.
1train_rname.csv는 훈련 세트 레이블입니다.
1_testa_user.csv는 테스트 세트 정보입니다.
03
—
광동 전력망(Guangdong Power Grid) 고고도 작업 안전벨트 착용 감지 데이터 세트
[데이터 배경] 광둥성 전력망 운영자는 일상 업무에서 검사를 위해 전력 공급 타워의 높은 곳에 올라가야 하는 경우가 많습니다. 광동전력망은 근로자의 안전을 보장하기 위해 지상에서 올라가는 사람은 안전벨트를 착용해야 하며 사고를 예방하기 위해 현장에 보호자가 있어야 한다고 규정하고 있습니다. 이 시나리오에 제공된 학습 데이터 세트에 포함된 특정 레이블과 설명은 다음과 같습니다.
뱃지 : 수호 완장 (빨간 완장만 인정)
오프그라운드(Offground): 지상에서 떨어져 있는 사람
ground : 땅바닥에 있는 사람
safebelt : 안전벨트를 매다
위의 정보를 통해 전력망 현장 운영 중 "사람" 단위로 다음 내용을 자동으로 탐지할 수 있는 대상 탐지 알고리즘이 필요합니다.
3.1 참석한 모든 사람의 신원을 확인하고 보호자(빨간 완장 착용)를 구체적으로 구분합니다.
3.2 현장에서 안전벨트를 착용한 사람을 식별합니다.
3.3 지상 밖에 있는 사람을 식별합니다.
[알고리즘 결과] 평가 세트에 대해 예측을 하고 평가 결과를 제출하는 것이 필요합니다. 요구 사항은 단일 json 파일로 제출됩니다. 구체적인 서류 요구 사항은 다음과 같습니다.
[{
"image_id": int,
"category_id": int,
"bbox": [xmin,ymin,xmax,ymax],
"score": float
}]
image_id는 csv의 테스트 데이터에 있는 이미지의 일련 번호로, 0부터 시작하고 int 유형 번호 0, 1, 2, 3...이며, 초과하는 경우 최대값은 599보다 작습니다. 동일박스가 여러개이므로 오류가 발생합니다. 본인확인 결과의 경우 제출횟수에는 제한이 없으며 600개를 초과할 수 있습니다.
Category_id는 감지해야 하는 결과 카테고리입니다. 또한 int입니다. Category_id는 한 번에 하나의 카테고리만 제출합니다. 상자가 여러 인식 결과를 충족하는 경우 블록으로 작성해야 합니다. 제출해야 하는 테스트 결과는 다음 카테고리에 속하며, 이미지의 카테고리_id는 아래 댓글과 동일하게 유지되어야 합니다.
경비원
safebeltperson(안전벨트를 착용한 사람)
오프라인 사람(지상에 있는 사람)
참고: 등장하는 모든 캐릭터(전력망 작업자, 보호자, 구경꾼, 행인 등 포함)는 관련 라벨로 식별되어야 합니다.
예: 작업복을 입은 전력망 작업자가 현장에 나타났는데, 그는 현장 작업자도 아니고 감독자도 아니며, 여전히 안전벨트 착용 여부를 식별해야 합니다. 일치하는 태그 설명 없이 통행인이 나타나면 결과가 제출되지 않습니다. 통행인이 지상 밖에 있는 경우, 그 사람은 지상 밖에 있는 사람으로 식별될 수 있습니다.
[데이터 파일] 데이터 세트의 파일 목록에는 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 총 6개의 파일이 포함되어 있습니다.
3_images.tar.gz는 약 10.5GB 크기의 학습 이미지 세트입니다.
3train_rname.csv는 트레이닝 세트 정보에 라벨을 붙입니다.
3_test_imagesa.tar.gz는 A 목록 테스트 세트로, 크기는 약 2.4GB입니다.
3_testa_user.csv는 A 목록 테스트 세트 정보입니다.
3_testB.zip은 B 목록 암호화 데이터 세트로, 크기는 약 8.2GB입니다.
3_testb_imageid.csv는 목록 B의 암호화된 데이터입니다.
04
—
중국 남부 전력망 전주 및 타워 이물질 감지 데이터 세트
[데이터 배경] 송전선로의 이물질은 널리 분포되어 있고 종류도 다양하며, 송전탑에는 새둥지, 연, 밧줄 등의 잔해물이 있을 수 있고, 연, 풍선, 플라스틱 필름 등의 잔해물도 가공선에 걸려 있을 수 있습니다 따라서 탐지에 있어서 특정 문제가 있습니다. 우리나라의 송전선 검사는 기본적으로 수작업 검사를 기본으로 하고 있으나 기존의 수작업 검사방법은 비효율적이고 제약이 많으며 많은 인력, 물적 자원을 소모하는 경우가 많다. 하지만 이 방법은 비행 운용이 가능하기 때문에 훈련과 유지 관리에 매우 위험하고 비용이 많이 들며, 수동 검사로 인해 발생하는 문제를 크게 완화할 수 없습니다. 최근 몇 년 동안 GPU 컴퓨팅 성능은 지속적으로 향상되었으며, 점점 더 많은 전력 분야의 연구자들이 머신 비전 기술과 딥 러닝 알고리즘을 결합하여 표적 탐지 알고리즘 기술의 연구 및 응용을 수행하기로 선택했습니다.
[응용분야] AI+ 전력 표적 탐지
[파일 디렉터리] 세 개의 폴더: South China Open 예선전, South China Open 예선전 및 South China Open 준결승 데이터 set.zip 각 폴더에는 XML 주석 파일과 jpg 이미지 파일이 저장됩니다.
[데이터 설명] South China Open 예선전의 데이터 크기는 약 2.8GB(xml 주석 포함)이고, South China Open 예선전의 데이터 크기는 약 1.1GB(xml 주석 제외)이며, 데이터 크기는 South China Open 준결승 데이터 세트의 크기는 약 1.7GB(xml 주석 포함)입니다. xml 주석), train에는 약 1300개 이상의 이미지 샘플이 있고, val에는 약 300개 이상의 이미지 샘플이 있으며, 외부 개체 유형에는 새 둥지라는 4가지 범주가 포함됩니다. , 연, 풍선 및 쓰레기.
05
—
AI 전력선 순찰 헬멧 감지 데이터 세트
[데이터 배경] 현재 안전모 감지의 대부분은 건설 현장 및 대형 기계에 대한 것이며, 전력 산업에서는 안전모 감지 데이터 세트가 적습니다. 이번에는 안전모 감지 데이터 세트를 선택했습니다. 대부분의 사진은 다음과 같습니다. 전주 설치, 전력 가공 건설 및 전력 비상 수리와 같은 시나리오를 포함한 전력 산업에서, 작은 부분이 다른 산업에서 나옵니다.
[응용분야] AI+ 전력 표적 탐지
[파일 디렉터리] 두 개의 폴더: Annotations 및 JPEGImages
[데이터 설명] VOC 형식 데이터, Annotations 디렉터리는 xml 주석 파일, JPEGImages 디렉터리는 jpg 이미지 파일, 데이터 크기는 약 127.9M입니다.
06
—
변전소 지능형 검사 데이터 세트
[데이터 배경] 기존의 변전소 검사 방법은 일반적으로 많은 인력과 시간 투자가 필요하며, 정기적인 검사만 할 수 있는 경우가 많고, 장비 상태를 실시간으로 모니터링할 수 없는 경우가 많습니다. 지능형 검사 시스템은 장비에 대한 상시 및 종합 모니터링을 실현하고 인적 자원 소비를 줄이며 데이터 분석 및 예측을 통해 유지 관리 계획을 최적화하고 운영 비용을 절감할 수 있습니다.
[응용분야] AI+ 전력 표적 탐지
[파일 디렉터리] 두 개의 폴더: Annotations 및 JPEGImages
[데이터 설명] Annotations 디렉터리에는 xml 주석 파일이 포함되고 JPEGImages 디렉터리에는 jpg 이미지 파일이 포함됩니다. 데이터 세트에는 xml 주석이 포함된 8376개의 검사 이미지가 포함되어 있습니다. 데이터 크기는 약 9.6GB이며 총 17가지 유형의 검사 라벨이 포함되어 있습니다. .
07
—
전송선 타워 새둥지 감지 데이터 세트
[데이터배경] 전력산업의 전신주, 송전탑 등에는 새둥지가 자주 나타나며 제때에 제거하지 못하면 안전위험 및 전력보안 위험이 발생할 수 있으므로 보증으로 새둥지 유무 확인이 필요하다. 지정된 지역에서.
[응용분야] AI+ 전력 표적 탐지
[파일 디렉터리] 두 개의 폴더: Annotations 및 JPEGImages
[데이터 설명] Annotations 디렉터리에는 xml 주석 파일이 포함되어 있고 JPEGImages 디렉터리에는 jpg 이미지 파일이 포함되어 있습니다. 데이터 세트에는 xml 주석이 포함된 송전선 또는 타워의 이미지 200개가 포함되어 있으며 데이터 크기는 약 0.64GB입니다.
08
—
송신주 표적 검출 데이터 세트
[자료배경] 초고압 송전선로 주탑 및 송전탑은 국가 전력망 건설의 중요한 부분으로, 이들의 안전은 전력안보, 국가경제, 국민생계와 직결된다. 현재 초고압 주탑 점검 작업 방식은 전통적이어서 갑작스러운 지질재해로 인한 초고압 주탑 기저 기울기, 산사태 등 사고를 실시간으로 모니터링하고 대응할 수 없다. 따라서 AI를 기반으로 한 완전 자동 표적 탐지 방법은 고압 전주 및 송전탑을 실시간으로 모니터링할 수 있으며 송전선로의 안전한 운영을 보장하는 효과적인 방법입니다.
[응용분야] AI+ 전력 표적 탐지
[파일 디렉터리] Annotations 및 JPEGImage 두 폴더
[데이터 설명] Annotations 디렉터리에는 xml 주석 파일이 포함되어 있고 JPEGImage 디렉터리에는 jpg 이미지 파일이 포함되어 있으며 데이터 세트에는 400개의 전송선 타워 이미지가 포함되어 있으며 데이터 크기는 약 0.14GB입니다.
09
—
고전압 선로 절연체 결함 감지 데이터 세트
[자료배경] 국가 서-동 송전 전략이 제안되면서 초고압 송전과 초고압 송전이 특히 중요해졌고, 송전선로 점검은 정상적인 송전을 보장하는 중요한 부분이다. 스마트 전력망의 급속한 발전으로 검사 드론과 로봇이 점차 전통적인 수동 검사를 대체하고 있습니다. 절연체는 전송선의 중요한 부분으로 유일한 전기 절연체이자 중요한 구조적 지지체입니다. 절연체의 성능과 구성의 합리성은 선로의 안전하고 안정적인 작동에 직접적인 영향을 미칩니다. 이 데이터 세트의 일부는 실제 드론 촬영에서 나온 것이고, 일부는 사진 합성에서 나온 것입니다.
[응용분야] AI+ 전력 표적 탐지
[파일 디렉터리] 두 개의 폴더: Annotations 및 JPEGImages
[데이터 설명] Annotations 디렉터리에는 xml 주석 파일이 포함되어 있고 JPEGImages 디렉터리에는 jpg 이미지 파일이 포함되어 있습니다. 데이터 세트에는 고압 송전선의 절연체 결함 사진 600장이 포함되어 있으며 VOC 주석 형식을 채택하고 훈련 세트로 나눌 수 있습니다. 자체적으로 검증 세트를 설정합니다.
10
—
결론
이상은 전송선 및 변전소와 관련된 데이터 세트의 모든 내용입니다. 더 많은 데이터 세트를 다운로드하려면 기사 사진의 오른쪽 하단에 있는 플랫폼에 주의하여 다운로드하시기 바랍니다.