该数据集提供了无人机捕获的正常绝缘体图像和合成缺陷绝缘体图像。

@article{tao2018detection,
  title={Detection of Power Line Insulator Defects Using Aerial Images Analyzed With Convolutional Neural Networks},
  author={Tao, Xian and Zhang, Dapeng and Wang, Zihao and Liu, Xilong and Zhang, Hongyan and Xu, De},
  journal={IEEE Transactions on Systems, Man, and Cybernetics: Systems},
  year={2018},
  publisher={IEEE}
}

该数据集分为两部分：

1、Normal_Insulators 包含无人机捕获的正常绝缘体。正常绝缘子图像的数量为 600。

2、Defective_Insulators 包含有缺陷的绝缘体。有缺陷的绝缘子图像的数量是 248。由于我们没有太多的有缺陷的绝缘子，因此应用了数据增强方法。这些图像通过以下过程合成：

 2.1 使用TVSeg中的算法从一小部分原始图像中分割出缺陷绝缘子，分割结果为掩模图像；

 2.2 使用仿射变换对原始图像及其掩码进行增强，增强结果是大量的原始-掩码图像对；

 2.3 使用这些图像对来训练 U-Net；使用经过训练的 U-Net 分割图像的其余部分；

 2.4 在不同的背景下连接绝缘体。

这两个目录都包含两个子目录，一个叫做images，包含图像文件，另一个叫做labels，包含VOC2007格式的注释。

1、Normal_Insulators 的标签只包含绝缘体的注释；

2、Defective_Insulators 的标签不仅包含绝缘体的注释，还包含绝缘体上缺陷的注释。

图片由国家电网公司提供，数据集由王子浩制作。如果您对此数据集有任何疑问，请随时联系 zhwang0721@gmail.com。