输电线路绝缘子红外图像，数据集内含6000多幅绝缘子红外图像，并利用labelimg软件对其进行了标注，标签类别为insulator（绝缘子），标签类型为yolo（txt）格式，有问题加Q：2954644583

从全息的角度，我们研究了具有指数非线性电动力学（ENE）的绝缘子/超导体跃迁中的纠缠熵的行为。 我们发现纠缠熵是全息相变性质的良好探针。 在半空间和带空间中，超导相中的纠缠熵的非单调行为与化学势的关系在该模型中都是普遍的。 此外，entan的行为

包括缺陷图，掩模图，以及标签

基于真空闪络的二次电子发射雪崩（SEEA）模型，针对片式有机玻璃PMMA和氧化铝陶瓷两种典型绝缘材料，利用蒙特卡罗法仿真研究了平面圆形及矩形对称电极系统中绝缘子表面电荷的二维分布。仿真结果表明：在靠近阴极处的绝缘子表面存在小范围的负电荷区，而后变为较大范围的正电荷区；随外施电压的提高，绝缘子表面的正电荷区域及密度增大，而负电荷区域及密度减小；二次电子发射系数较小的PMMA绝缘子表面正电荷密度较低；由于圆形电极表面电场分布较矩形电极系统不均匀，其电荷密度分布更不均匀。将仿真结果与他人的实验结果进行了分析对比

针对输电线路无人机巡检任务，根据输电线路缺陷的基本特征，自建可用于输电线路多目标缺陷识别的数据集；绝缘子识别+缺陷检测，防震锤识别+缺陷检测（锈蚀）；均压环识别+均压环缺陷检测（倾斜）输电线路异物检测，鸟巢，气球、垃圾等；对数据集图像进行分类、标注和增强，原图经过翻转、旋转、缩放和亮度对比度增强，已打好标签。或联系Q：2954644583

针对输电线路无人机巡检图片库，根据输电线路缺陷的基本特征，自建可用于输电线路多目标缺陷识别的数据集；对数据集图像进行分类、标注和增强，原图经过翻转、旋转、缩放和亮度对比度增强，已打好标签。请＋qq私聊（1136211966）

进行基于绝缘子边缘检测与提取,能识别绝缘子裂纹的故障,通用性蛮好

绝缘子作为输电环节中的重要设备，在支撑固定导线，保障绝缘距离的方面有着重要作用。深度学习技术的大量应用，计算机运算性能的不断提高，为无人机准确识别和定位绝缘子，实时跟踪拍摄开辟了新的解决途径。本文对输电线路中绝缘子进行识别及定位，利用深度学习技术采取基于YOLOv5 算法的目标检测手段，结合绝缘子数据集的特点，对无人机拍摄图片进行训练，实现对绝缘子精准识别和定位，大幅提升无人机巡检时对绝缘子设备准确跟踪、判定的效率，具有十分重要的应用效果。本项目可以作为计算机专业毕业涉及，提供处理好的数据集、视频和三组训练好的模型，部署简单，并且具有可用于图片检测和视频检测的图形化界面，方便易用。

本人收集到的各种场景绝缘子数据，包含正常与缺陷，可用来训练绝缘子检测，分割或者缺陷绝缘子识别网络，持续收集中~

1、YOLOv7绝缘子缺陷检测模型，附有各种训练曲线图，可使用tensorboard打开训练日志，用于检测电塔绝缘子有破损缺陷的的位置 2、包含数据集