公共街灯图像数据集

公共街灯图像数据集是由布里斯托尔创新与研究实验室创建，包含约350,000张街灯图像，这些图像来自英国南格洛斯特郡地区安装的140个UMBRELLA节点。每个节点配备有Raspberry Pi Camera Module v1，每小时拍摄一次，数据收集持续了六个月。数据集用于训练深度神经网络，支持智能城市CCTV应用、智能天气检测算法和街道基础设施监控。数据集的创建旨在通过多样化的图像数据，解决智能城市中的监控和维护问题。The Public Street Light Image Dataset was developed by the Bristol Innovation and Research Laboratory, comprising approximately 350,000 street light images captured from 140 UMBRELLA nodes deployed in the South Gloucestershire region of the United Kingdom. Each node is equipped with a Raspberry Pi Camera Module v1, and images are collected hourly over a six-month data collection period. This dataset is utilized for training deep neural networks, supporting smart city CCTV applications, intelligent weather detection algorithms, and street infrastructure monitoring. The dataset was created to address monitoring and maintenance issues in smart cities through diverse image data.

搜集汇总

数据集介绍

构建方式

在智慧城市与物联网技术蓬勃发展的背景下，公共街灯图像数据集的构建体现了对城市基础设施智能化监测的前沿探索。该数据集通过部署于英国南格洛斯特郡地区的140个UMBRELLA节点进行采集，每个节点集成树莓派相机模块并安装于灯柱顶端，镜头朝上对准天空与路灯灯泡。数据采集历时六个月，以每小时为间隔持续拍摄，每日覆盖24小时，并引入0至600秒的随机延迟以均衡服务器负载。每张图像均附带灯柱的GPS坐标，并经过后处理算法标注其开关状态，最终形成包含约35万张JPEG图像及配套CSV元数据文件的标准化数据集。

特点

该数据集的核心价值在于其高度的多样性与真实性，为计算机视觉与机器学习研究提供了丰富的场景挑战。图像采集自不同地理位置、相机角度与距离的灯柱，部分场景受到植被遮挡或超出相机视野，且所有镜头朝向天空，使得图像质量受到雨雪、阳光、月光等复杂天气条件的显著影响。这种自然变异构成了独特的边缘用例，能够有效训练模型应对实际部署中的光照变化、遮挡及天气干扰。数据集已标注每张图像的开关状态及置信度，并包含RGB通道强度、天文昼夜周期等元数据，为街灯状态监测、天气识别乃至自动驾驶等跨领域研究提供了多维度信息基础。

使用方法

研究者可通过Zenodo平台获取该数据集的压缩文件，其中包含完整版与示例版两种规模。数据集以按节点序列ID组织的ZIP文件存放图像，并辅以两个CSV文件分别记录每条图像的详细元数据及节点图像统计。用户可基于标注的开关状态训练深度学习模型，用于街灯故障实时检测、智能城市监控系统开发或天气预警算法设计。此外，其图像在昼夜不同曝光配置下采集，适合用于迁移学习中的预训练模型构建，提升户外场景下的特征表示能力。数据集还可与交通标志、传感器等其他街景数据融合，用于自动驾驶系统中的多目标识别与导航研究。

背景与挑战

背景概述

在智慧城市与物联网技术蓬勃发展的背景下，公共基础设施的智能化监测与管理成为研究热点。公共街灯图像数据集由东芝欧洲有限公司布里斯托尔研究与创新实验室的研究团队于2022年创建，旨在通过计算机视觉技术实现街灯运行状态的自动化监控。该数据集包含约35万张图像，采集自英国南格洛斯特郡地区部署的140个UMBRELLA节点，这些节点安装在灯柱上并配备向上拍摄的摄像头，以每小时为间隔持续记录六个月。其核心研究问题聚焦于利用机器学习模型对街灯的开关状态进行精准识别，从而提升城市照明系统的维护效率与智能化水平，为智慧城市中的计算机视觉应用提供了重要的数据支撑。

当前挑战

该数据集致力于解决街灯运行状态自动检测这一领域问题，其核心挑战在于复杂环境下的图像识别准确性。由于摄像头朝向天空，图像易受昼夜交替、雨雪天气、直射阳光或月光等自然条件干扰，导致光照变化剧烈；同时，植被遮挡、摄像头视场角限制以及部分灯泡超出拍摄范围等因素，进一步增加了状态判别的难度。在数据构建过程中，研究团队面临大规模分布式节点部署与数据同步的工程挑战，需确保140个节点在长达六个月周期内以小时为间隔稳定采集图像，并通过引入随机延迟以平衡服务器负载。此外，数据标注依赖于结合天文时间规则与后处理算法，在低光照条件下需采用高曝光策略辅助分类，这要求算法具备鲁棒的环境适应能力。

常用场景

经典使用场景

在智慧城市基础设施监测领域，公共街灯图像数据集为计算机视觉算法提供了丰富的训练资源。该数据集通过安装在灯柱上的摄像头，以每小时一次的频率捕捉街灯图像，涵盖了不同时间、天气和光照条件。这些图像被用于训练深度神经网络模型，以实现对街灯开关状态的自动识别与分类，从而为城市照明系统的智能化管理奠定数据基础。

实际应用

在实际应用中，该数据集支撑了城市照明系统的实时监控与维护。基于训练出的模型，市政部门可以自动检测街灯故障，及时派遣维修团队，显著减少人工巡检时间和资源消耗。此外，数据集还可用于开发智能天气预警系统，通过分析天空图像识别降雨等气象变化，为交通管理提供精准的环境数据。这些应用提升了城市基础设施的运营效率，推动了可持续城市服务的实现。

衍生相关工作

围绕该数据集，衍生出多项经典研究工作。例如，有研究利用该数据评估集中式、个性化和联邦学习在街灯物联网应用中的可行性，探索了分布式机器学习在智慧城市中的潜力。另一项工作则基于图像开发了实时街灯控制系统，实现了自动化故障报警。此外，数据集还被用于预训练模型，为户外智能监控摄像头等迁移学习任务提供特征表示，促进了自动驾驶和无人机导航系统中多传感器融合算法的研究。