STN_PLAD

displayName: STN PLAD (STN Power Line Assets Dataset)
labelTypes:
- Classification
license:
- GPL-3.0
mediaTypes:
- Image
paperUrl: https://arxiv.org/pdf/2108.07944v3.pdf
publishDate: "2021"
publishUrl: https://github.com/andreluizbvs/PLAD
publisher:
- Sistema de Transmissao Nordeste - STN
- Federal University of Pernambuco
tags:
- Transmission Tower
- Insulator
- Spacer
taskTypes:
- Image Classification

---
# 数据集介绍
## 简介
STN PLAD 是多个高压电力线组件的高分辨率和真实世界图像数据集。它有 2,409 个带注释的对象，分为五类：输电塔、绝缘体、垫片、塔板和 Stockbridge 阻尼器，它们的大小（分辨率）、方向、照明、角度和背景各不相同。属性 图像大小：5472×3078 或 5472×3648 总图像：133 总实例：2409 每张图像的平均实例数：18.1 对象类别数（不同资产）：5 其他统计数据：摘要 许多电力线公司正在使用无人机进行检查例如，通过让他们的工人爬上高压电力线塔，而不是让他们的工人处于危险之中。检查的一项关键任务是检测和分类输电线路中的资产。然而，与电力线资产相关的公共数据稀缺，阻碍了该领域的更快发展。这项工作提出了电力线资产数据集，其中包含多个高压电力线组件的高分辨率和真实世界图像。它有 2,409 个带注释的对象，分为五类：输电塔、绝缘体、垫片、塔板和 Stockbridge 阻尼器，它们的大小（分辨率）、方向、照明、角度和背景各不相同。这项工作还对流行的深度目标检测方法进行了评估，显示出相当大的改进空间。基线结果 mAP：89.2% 资产平均精度 输电塔 0.900 绝缘子 0.894 隔板 0.856 塔板 0.971 Stockbridge 阻尼器 0.838 平均 0.892
## 引文
```
@inproceedings{vieira2021stn,
title={STN PLAD: A Dataset for Multi-Size Power Line Assets Detection in High-Resolution UAV Images},
author={Vieira-e-Silva, Andr{\'e} Luiz Buarque and de Castro Felix, Heitor and de Menezes Chaves, Thiago and Sim{\~o}es, Francisco Paulo Magalh{\~a}es and Teichrieb, Veronica and dos Santos, Michel Mozinho and da Cunha Santiago, Hemir and Sgotti, Virginia Ad{\'e}lia Cordeiro and Neto, Henrique Baptista Duffles Teixeira Lott},
booktitle={2021 34th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI)},
pages={215--222},
year={2021},
organization={IEEE}
}
```

## Download dataset
:modelscope-code[]{type="git"}

displayName: STN PLAD（STN电力线路资产数据集）
labelTypes:
- 分类任务
license:
- GPL-3.0许可证
mediaTypes:
- 图像
paperUrl: https://arxiv.org/pdf/2108.07944v3.pdf
publishDate: "2021"
publishUrl: https://github.com/andreluizbvs/PLAD
publisher:
- 东北输电系统（Sistema de Transmissao Nordeste - STN）
- 伯南布哥联邦大学（Federal University of Pernambuco）
tags:
- 输电塔
- 绝缘子
- 间隔棒（Spacer）
taskTypes:
- 图像分类

---
# 数据集介绍
## 简介
STN PLAD是面向多类高压电力线路组件的高分辨率真实场景图像数据集。该数据集共包含2409个标注对象，划分为5个类别：输电塔、绝缘子、间隔棒（Spacer）、塔板以及斯托克布里奇阻尼器（Stockbridge Damper），各类对象在尺寸（分辨率）、朝向、光照、拍摄角度及背景环境上均存在显著差异。
数据集属性如下：
- 图像分辨率：5472×3078 或 5472×3648
- 总图像数量：133张
- 总标注实例数：2409个
- 单张图像平均实例数：18.1
- 资产类别总数：5个

诸多电力线企业已采用无人机开展巡检作业，以此规避工人攀爬高压输电塔的高危风险。而巡检的核心任务之一，便是对输电线路资产进行检测与分类。但当前面向电力线资产的公开数据集较为匮乏，严重制约了该领域的研究进展。

本工作提出的电力线路资产数据集，包含多类高压电力组件的高分辨率真实场景图像，共计2409个标注对象，分为输电塔、绝缘子、间隔棒、塔板与斯托克布里奇阻尼器5个类别，各类对象在尺寸、朝向、光照、拍摄角度及背景上差异显著。本研究同时对主流深度目标检测方法进行了基准测试，结果显示该领域仍存在较大的性能提升空间。

基准实验结果如下：
平均精度均值（mAP）达89.2%，各资产类别平均精度分别为：
- 输电塔：0.900
- 绝缘子：0.894
- 间隔棒：0.856
- 塔板：0.971
- 斯托克布里奇阻尼器：0.838
整体平均精度：0.892
## 引文

@inproceedings{vieira2021stn,
title={STN PLAD: 高分辨率无人机影像中的多尺寸电力线路资产检测数据集},
author={Vieira-e-Silva, André Luiz Buarque and de Castro Felix, Heitor and de Menezes Chaves, Thiago and Simões, Francisco Paulo Magalhães and Teichrieb, Veronica and dos Santos, Michel Mozinho and da Cunha Santiago, Hemir and Sgotti, Virginia Adélia Cordeiro and Neto, Henrique Baptista Duffles Teixeira Lott},
booktitle={2021年第34届SIBGRAPI图形、模式与图像会议（SIBGRAPI)},
pages={215--222},
year={2021},
organization={IEEE}
}

## 数据集下载
使用Git克隆获取该数据集：:modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

STN_PLAD是一个包含2409个带注释对象的高压电力线组件数据集，分为五类（输电塔、绝缘体等），图像分辨率和背景多样。该数据集支持无人机电力线检测任务，并提供了89.2%的mAP基线结果。