AerialCSP
收藏资源简介：
AerialCSP是一个针对聚光太阳能电站（CSP）的空中检查的高质量合成数据集，提供对象检测和图像分割的标注数据。该数据集由虚拟生成的空中影像模拟，旨在为模型部署前的预训练提供便利，从而显著减少对大量手动标注的需求。数据集的创建涉及3D建模、背景修复等步骤，通过模拟真实世界的条件，为CSP相关视觉任务提供了基准。AerialCSP的数据集通过物理模拟和深度学习模型生成，旨在解决CSP电站中常见的缺陷检测问题，特别是对于罕见和小规模的缺陷。
AerialCSP is a high-quality synthetic dataset for aerial inspection of concentrated solar power (CSP) plants, featuring annotated data for object detection and image segmentation. Generated using virtually simulated aerial imagery, it is designed to facilitate pre-training prior to model deployment, thus significantly reducing the demand for extensive manual annotations. The construction of this dataset involves procedures such as 3D modeling and background restoration, and it provides a benchmark for vision tasks related to CSP by simulating real-world conditions. AerialCSP is produced through physical simulation and deep learning models, aiming to address common defect detection issues in CSP plants, especially rare and small-scale defects.
AerialCSP数据集概述
数据集简介
- AerialCSP是一个虚拟数据集，模拟聚光太阳能发电厂（CSP）的航空图像。
- 通过生成合成数据模拟真实世界条件，旨在减少模型部署前对大量手动标注的需求。
数据集概览
- 数据生成方式：通过将渲染的Blender图像合成到修复后的背景上，并应用随机缩放和旋转以增加变异性。
- 支持任务：
- 目标检测：提供YOLO格式的标注文件，包含归一化边界框信息（
<class> <x_center> <y_center> <width> <height>）。 - 实例分割：提供多边形掩码标注（
<class-index> <x1> <y1> ... <xn> <yn>）和灰度图像掩码。
- 目标检测：提供YOLO格式的标注文件，包含归一化边界框信息（
- 数据集划分：标准化划分为训练集（75%）、验证集（15%）和测试集（10%），共包含18,058张标注图像。
数据集结构
cfg_train_val_test_split：包含训练、验证和测试集图像名称的文本文件。images_and_masks：存储渲染图像和分割掩码。labels_per_task：按任务分类的标注文件（目标检测和实例分割的YOLO格式）。
基准测试结果
使用YOLOv11模型在数据集上的性能表现：
| 模型 | 任务 | mAP50（平均精度） |
|---|---|---|
| YOLOv11n | 边界框检测 | 95.3 |
| YOLOv11m | 边界框检测 | 96.2 |
| YOLOv11x | 边界框检测 | 96.1 |
| YOLOv11n-seg | 图像分割 | 70.7 |
| YOLOv11m-seg | 图像分割 | 73.2 |
| YOLOv11x-seg | 图像分割 | 73.3 |
引用信息
如果使用AerialCSP数据集，请引用以下论文：
Pérez-Cutiño, M. A., Valverde, J., Capitán, J., Díaz-Bañez, J. M. (2025).
Reducing the gap between general purpose data and aerial images in concentrated solar power plants.
arXiv preprint, DOI: https://doi.org/10.48550/arXiv.2508.00440.
BibTeX
bibtex
@article{perez2025reducing,
title={Reducing the gap between general purpose data and aerial images in concentrated solar power plants},
author={Pérez-Cutiño, Miguel-Angel and Valverde, Juan and Capitán, Jesús and Díaz-Bañez, José-Miguel},
journal={arXiv preprint arXiv:2508.00440},
year={2025}
}
版权声明
AerialCSP数据集归Virtualmechanics S.L.所有。
- 1Reducing the gap between general purpose data and aerial images in concentrated solar power plantsVirtualmechanics S.L., University of Seville · 2025年
