1、基于yolov5算法实现绝缘子识别检测源码+模型文件+评估指标曲线+使用说明 2、附有训练、loss(损失值)下降曲线、Recall(召回率)曲线、precision(精确度)曲线、mAP等评估指标曲线 3、迭代200次，模型拟合较好。 4、识别类别只有“绝缘子”一类 【备注】有相关使用问题，可以私信留言跟博主沟通。

1、基于yolov5算法实现绝缘子缺陷识别检测源码+模型文件+评估指标曲线+使用说明 2、附有训练、loss(损失值)下降曲线、Recall(召回率)曲线、precision(精确度)曲线、mAP等评估指标曲线 3、迭代200次，模型拟合较好。 4、识别检测1个类别：“绝缘子” 【备注】有相关使用问题，可以私信留言跟博主沟通。

1、YOLOv7绝缘子检测训练权重 ，附有各种训练曲线图 2、map达90%以上， 3、classes: insulator 4、包括数据集，标签格式为VOC和YOLO两种 5、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127229895?spm=1001.2014.3001.5502

输电线路绝缘子检测数据集（网盘下载链接，160张原图像）

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

1、yolov5电塔绝缘子检测，包含yolov5s和yolov5m两种训练好的电塔绝缘子检测权重，以及PR曲线，loss曲线等等，在一千张电塔绝缘子检测数据集中训练得到的权重，有pyqt界面，目标类别为Insulator共1个类别，并附1000张电塔绝缘子检测数据集，标签格式为voc和yolo两种格式，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

输电线路绝缘子检测数据集（VOC标签，160多张原图，无扩充）

66kV变电站绝缘子检测图像数据集，内含voc标签与图像，可用于目标检测、深度学习等，或者用来补充变电站图像做变电站目标的检测。