无人机红外光伏板缺陷识别 红外太阳能电板识别图像数据集 太阳能面板图像识别
无人机目标检测数据集简介
| 信息类别 | 详情描述 |
|---|---|
| 数据集类别 | 核心为无人机场景下的目标检测数据集，包含5个核心检测类别，分别标注为“0”“1”“2”“fault（故障）”“hotspot（热点）”，可针对性识别无人机作业中可能涉及的常规目标与异常状态（如设备故障、热点区域）。 |
| 数据数量 | 涵盖11608张图像数据，配套构建22个目标检测模型，同时关联99个数据集资源，形成“图像-模型-数据集”三位一体的数据支撑体系，可满足不同精度需求下的模型训练与验证场景。 |
| 数据格式 | 以图像文件为核心数据载体，未明确标注具体文件格式（如JPG、PNG等），但适配主流计算机视觉模型训练流程，可直接用于目标检测算法的输入与迭代优化，数据标注符合目标检测任务的边界框标注规范。 |
| 核心应用价值 | 1. 无人机运维监测：可快速识别无人机设备自身或作业环境中的“故障”与“热点”，助力实时运维预警，降低设备损坏风险；2. 模型开发适配：基于4252张标注图像与22个基准模型，为yolov8、yolov8s等主流算法提供训练数据，缩短目标检测模型开发周期；3. 场景拓展迁移：数据覆盖无人机通用场景，可迁移至电力巡检、农业植保等垂直领域的目标检测任务，提升行业应用中目标识别的准确性与效率。 |
该数据集由东海大学构建，距今更新时间为2年前，核心聚焦无人机目标检测任务。
从数据规模看，4252张图像与99个关联数据集提供了充足的训练样本，22个配套模型则为算法优化提供了基准参考；
从类别设计看，“故障”“热点”等类别的加入，让数据集不仅限于常规目标识别，更具备了实际运维场景的实用价值，整体可支撑无人机相关计算机视觉技术的研发与落地应用。