铁路接触网异物入侵检测数据集 (P图)![]()
本数据集是针对铁路电力传输线（接触网）安全监测定制的深度学习视觉资源库。它通过集成人工采集与 AIGC 增强技术，解决了铁路特定复杂场景下异物样本稀缺的问题，为机车主动安防和无人机巡检提供核心数据支持。
数据集核心架构
| 数据维度 | 核心参数描述 |
|---|---|
| 类别信息 | 4类：鸟巢、气球、风筝/漂浮物、塑料袋 |
| 样本规模 | 约2530幅高分辨率图像 |
| 应用价值 | 1.隐患排查：精准识别影响供电安全的挂物 2.自主巡检：提升电力机车与无人机识别精度 3.防灾减灾：预防接触网短路及断电事故 |
技术特性与优势
- 标注格式标准：
数据集原生提供YOLO (txt)标注格式，支持即开即用的模型训练，无须繁琐的格式转换。同时具备极高的像素密度，确保细小异物在远距离背景下的特征可辨识性。 - 数据增强技术：
该数据集不仅包含实地拍摄的真实场景，还引入了基于 ChatGPT 和 AIGC 辅助生成的异常图像，有效覆盖了极端天气和罕见异物形态，增强了模型的泛化能力。 - 场景针对性强：
不同于通用的地面异物检测，本项目专注于高空输电线区域。标注框精准锁定在导线、绝缘子及支架附近的入侵物体，过滤了地面无关背景的干扰。
典型应用场景
- 智能电力巡检：
结合无人机航拍识别系统，实现对铁路沿线接触网的自动化、常态化巡查，替代传统的人工望远镜排查模式。 - 机车实时安防：
集成于车载视觉监控终端，在列车高速行驶过程中，实时捕捉前方接触网的异常挂物，提前预警并采取限速或停车措施。 - 深度学习科研基准：
作为铁路异物检测领域的权威数据集，它为优化小目标识别算法（Small Object Detection）提供了极具挑战性的实验基准。
、
