整理绝缘子训练集素材，添加了增强手段训练泛化能力更好。

用于深度目标识别训练，接触网及输电线上接触网的训练

摘要 输电线路是国家电力系统中负责电能输送的一个重要的组成部分。架空输电 线路长期经历着电闪雷击、风吹日晒、污秽、雨雪及沉陷等外界环境的侵害。目 前传统的电力巡检仍是人工巡检，新型技术利用无人机搭载高分辨摄像机，近距 离拍摄线路及其关键部件获取航拍图像来代替人工巡检。其中，航拍图像中输电 线路部件的识别及缺陷检测是关键技术也是技术难点。本文提出一种利用 Mask R-CNN 技术提取绝缘子串珠的掩膜图像、采用 Yolo-v3 和 Yolo-v4 进行对照，通 过神经网络模型对其绝缘子自爆区域进行特征提取，特征判断，识别定位。具体 流程如下：针对问题一中绝缘子串珠分割，本文根据不同绝缘子类型进行图像类别划 分，通过图像分割优化模型对小目标进行数据集制作。采用 Mask R-CNN 为框架 构建了深度学习算法，并以算法为核心搭建了绝缘子串图像检测平台。最后选取 数据集 80%进行模型训练，20%进行测试，使用极大值抑制算法，得出最佳先验 框（best_anchor），对经过模型得出的绝缘子掩模图与官方的绝缘子掩模图进行 计算，求出评价模型的 Dice 系数为 0.83

15.35kV复合绝缘子技术规范专用部分.doc

15.35kV复合绝缘子技术规范（专用部分）.doc

10kV复合绝缘子技术规范.doc

1、yolov5绝缘子缺陷检测，包含训练好的道路指示牌识别权重，以及PR曲线，loss曲线等等，在绝缘子缺陷检测数据集中训练得到的权重，有pyqt界面，目标类别名为break_insulator共一个类别；并附绝缘子缺陷检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

1、yolov5破损绝缘子检测，包含训练好的道路指示牌识别权重，以及PR曲线，loss曲线等等，在绝缘子缺陷检测数据集中训练得到的权重，目标类别名为break_insulator共一个类别；并附绝缘子缺陷检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码

输电线路绝缘子检测红外图像数据集（VOC标签，900多张图像）.zip

1、YOLO破损绝缘子检测数据集，500多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO系列的绝缘子缺陷目标检测；数据场景丰富；类别为break_insulator共一个类别目标 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743