智慧电力设备-多模态红外、可见光非一一对应电力设施检测数据集2790张yolovoccoco三种标注方式图像尺寸:416*416类别数量:13类训练集图像数量:2254; 验证集图像数量:394 测试集图像数量:142类别名称: 每一类图像数 每一类标注数Chave_H_230kV - 隔离开关 H 230kV147, 254Disjuntor_T_230kV - 断路器 T 230kV165, 395TP_230kV - 电压互感器 230kV859, 1330Pararraio_230kV - 避雷器 230kV509, 852TC_230kV - 电流互感器 230kV828, 1512Pararraio_69kV - 避雷器 69kV97, 188Chave_V_230kV - 隔离开关 V 230kV447, 770Disjuntor_I_230kV - 断路器 I 230kV291, 609Trafo - 变压器50, 51TC_69kV - 电流互感器 69kV250, 469TP_69kV - 电压互感器 69kV116, 266Disjuntor_I_69kV - 断路器 I 69kV228, 694Chave_69kV - 隔离开关 69kV24, 31image num: 27902.模型代码模型训练使用yolov11n训练30个epoch训练结果map如描述图所示。3.qt界面运行界面采用pyqt编写本项目已经训练好模型配置好环境后可直接使用运行效果见描述图像多模态红外可见光智慧电力设施检测项目完整文档一、数据集整体基础参数项目详细信息数据集名称多模态可见光红外高压电力设备目标检测数据集总图像数量2790张单图统一尺寸416×416模态形式可见光实拍画面、红外热成像画面混合采集两种画面并非两两配对标注格式YOLO TXT、VOC XML、COCO JSON 三类通用标注全覆盖数据集划分训练集2254张验证集394张测试集142张总类别13类高压变电电力元器件230kV、69kV两大电压等级二、13类电力设备详细标注统计汇总类别编号类别原名中文释义含该目标图片数实例标注总数0Chave_H_230kV230kV H型隔离开关1472541Disjuntor_T_230kV230kV T型断路器1653952TP_230kV230kV电压互感器85913303Pararraio_230kV230kV避雷器5098524TC_230kV230kV电流互感器82815125Pararraio_69kV69kV避雷器971886Chave_V_230kV230kV V型隔离开关4477707Disjuntor_I_230kV230kV I型断路器2916098Trafo主变压器50519TC_69kV69kV电流互感器25046910TP_69kV69kV电压互感器11626611Disjuntor_I_69kV69kV I型断路器22869412Chave_69kV69kV隔离开关2431数据集分布特点样本倾斜分布230kV电压互感器、230kV电流互感器样本量最多是变电站核心高频设备69kV隔离开关、变压器样本偏少贴合变电站实际布设工况双模态融合可见光图像清晰呈现设备外形、结构、锈蚀、破损、机械卡涩等外观故障红外热成像图像捕捉设备发热、接头过热、内部损耗异常等肉眼无法察觉的热缺陷两种数据混合训练模型可同时适配日常巡检可见光拍摄、夜间/缺陷测温红外巡检两套作业场景场景环境户外变电站露天设备、户内配电室柜体设备全覆盖包含强光日照、阴天、逆光、设备遮挡、线缆交错干扰等复杂巡检实景。三、YOLOv11n模型训练配置与实验结果训练参数详情基础骨干网络YOLOv11-n轻量化小模型输入分辨率416×416与数据集原图尺寸匹配无需缩放预处理训练轮次30 epochIoU阈值0.5评价指标mAP0.5、各类别Precision、Recall训练环境PyTorch GPU加速训练训练效果说明轻量化优势YOLOv11n参数量小、推理速度快适配变电站巡检无人机、手持红外测温仪、边缘巡检终端嵌入式部署多类别适配表现大样本设备互感器、避雷器、主流断路器识别精度更高漏检、误检率极低小样本类别变压器、69kV隔离开关精度略有下降可通过复制小样本、Mosaic增强、复制粘贴数据增广进一步优化多模态泛化能力模型统一学习可见光纹理特征与红外温度灰度特征一套权重即可切换两种巡检画面检测。四、PyQt可视化电力巡检检测系统界面核心功能模块数据输入区支持三类素材导入本地可见光/红外图片单张检测、巡检视频连续帧解析、摄像头/无人机实时画面流接入可自由切换可见光模式、红外热成像模式可视化检测窗口画面绘制彩色检测框区分13类电力设备框体上方标注设备名称置信度数值红外图像可同步叠加温度参考标尺检测结果统计面板全局数据单帧推理耗时、检出设备总数量、平均置信度表格明细逐条罗列设备类别、置信度、设备像素坐标、画面来源操作功能检测结果批量保存、缺陷截图归档、系统退出可自定义置信度阈值过滤低可信度检测框规避变电站复杂线缆带来的误识别。系统运行优势跨模态通用一套程序兼容可见光外观巡检、红外发热缺陷巡检两大电力运维刚需轻量化运行CPU端也可流畅推理无需高性能显卡运维人员现场笔记本即可使用运维可归档所有设备检出记录可留存用于变电站定期巡检台账记录、设备缺陷溯源排查。五、系统兼容运行环境支持操作系统Windows10/11、Ubuntu Linux 全平台适配核心依赖库深度学习框架ultralytics YOLOv11、PyTorch界面开发PyQt5图像处理OpenCV、NumPy数据解析json、xml工具库六、实际电力运维落地应用场景变电站日常可见光巡检无人机高空航拍变电站设备AI自动识别隔离开关、断路器、互感器等器件排查设备破损、锈蚀、偏移、异物悬挂等外观隐患红外带电测温巡检运维人员手持红外热像仪拍摄设备接头、线圈、触点模型识别设备同时定位发热异常部件预防过热烧毁、短路跳闸事故无人值守场站监测偏远无人变电站布设可见光红外双路摄像头全天候自动巡检异常设备自动告警推送电力检修辅助定位检修前期快速统计站内各类设备数量、排布位置辅助制定检修计划。七、项目交付内容数据集压缩包原图 YOLO标注 VOC标注 COCO完整json文件 数据集划分清单训练源码YOLOv11完整训练脚本、数据集yaml配置文件、30epoch训练完毕最优权重文件PyQt可视化推理程序完整界面代码、启动运行脚本、环境依赖清单使用说明文档环境部署步骤、图片/视频/实时流检测操作教程。八、后续优化拓展方向精度提升更换YOLOv11s/m中大型模型加入CBAM注意力机制改善小样本电力器件识别效果缺陷细分在检测基础上增加分类分支区分设备正常、轻微发热、严重过热、外观破损等故障等级实例分割升级切换YOLOv11-seg提取设备像素轮廓精准测算发热区域面积移动端移植打包程序至安卓平板运维外勤现场离线检测模态对齐优化构建可见光-红外配对样本做跨模态特征对齐进一步提升复杂场景鲁棒性。