lamp-state-detection

Lamp State Detection Dataset 是一个用于街道路灯灯泡检测的手动标注计算机视觉数据集。该数据集专注于灯泡本身（而非整个灯柱），旨在支持灯泡状态识别和下游地理感知基础设施监控的研究与应用。数据集包含1206张分辨率为1280×720像素的JPG图像，每张图像均标注了可见灯泡的边界框，并根据其状态标记为三类：lamp_on（灯泡亮起）、lamp_off（灯泡熄灭）和lamp_occluded（灯泡被遮挡）。数据以多种格式提供：每张图像对应一个JSON标注文件和一个YOLO格式的TXT标签文件。此外，还包含一个CSV格式的元数据文件，记录了每张图像的相对路径、文件名、视频ID、帧ID、时间戳（秒）、地理坐标（纬度、经度）、位置来源、定位方法、存在的标签类别、对象数量、边界框摘要以及图像尺寸等信息。数据收集于莫斯科的三条主要有轨电车线路沿线。该数据集被设计为更广泛应用管道的第一阶段，用于检测灯泡并分类其可见状态，关联检测结果与时间和GPS等元数据，以支持未来故障路灯的定位、制图和三角测量工作流程。与大多数关注整个灯柱检测的公开数据集不同，本数据集的核心区别在于其细粒度的目标——灯泡/发光区域。The Lamp State Detection Dataset is a manually annotated computer vision dataset for street lamp bulb detection. Focusing on the bulbs themselves rather than entire lamp posts, it is designed to support research and applications for bulb status recognition and downstream geospatial infrastructure monitoring. The dataset comprises 1,206 JPG images with a resolution of 1280 × 720 pixels. Each image is annotated with bounding boxes for visible bulbs, which are categorized into three classes based on their operational status: lamp_on (illuminated), lamp_off (unlit), and lamp_occluded (partially or fully occluded). The dataset is provided in multiple formats: each image has a corresponding JSON annotation file and a TXT label file in YOLO format. Additionally, a CSV-format metadata file is included, which records detailed information for each image including its relative path, file name, video ID, frame ID, timestamp (in seconds), geographic coordinates (latitude and longitude), location source, positioning method, present label categories, number of objects, bounding box summary, and image dimensions. Data was collected along three major tram lines in Moscow. This dataset is intended as the first stage of a broader application pipeline for bulb detection and visible status classification, where detection results are linked with metadata such as timestamps and GPS to support future workflows for localization, mapping, and triangulation of faulty street lamps. Unlike most publicly available datasets that focus on detecting entire lamp posts, the core differentiator of this dataset is its fine-grained target: the individual bulb or light-emitting area.

原始信息汇总

数据集概述

数据集名称：Lamp State Detection Dataset
许可证：CC-BY-4.0
任务类型：目标检测（Object Detection）
语言：英语
数据规模：1,000 < 样本数 < 10,000
图像尺寸：1280 × 720 像素

---

数据集内容

该数据集包含 1206 张 手动标注的 JPG 图像，每张图像对应以下文件：

• JSON 标注文件（annotations/）
• YOLO 格式 TXT 标签文件（labels/）
• 元数据 CSV 文件（metadata.csv）

标签类别（共3类）：

• lamp_on：灯泡可见且点亮
• lamp_off：灯泡可见但未点亮
• lamp_occluded：灯泡区域部分遮挡或视觉模糊

目录结构：

lamp-state-detection/ ├── images/ ├── annotations/ ├── labels/ ├── metadata.csv ├── data.yaml └── README.md

---

元数据字段

每个样本的元数据包含以下字段：

• relative_path
• file_name
• video_id
• frame_id
• timestamp_sec
• latitude
• longitude
• location_source
• location_method
• labels_present
• num_objects
• bboxes_summary
• image_width
• image_height

---

数据采集

数据采集于 莫斯科，覆盖三条主要电车路线：

1. 从 Kuskovo 地区驶向市中心的公路路线
2. 围绕莫斯科城的路线，始于 Kutuzovsky Ave，沿 A106 公路向 Rublyovo-Uspenskoye 延伸
3. Ramenki 路线，向 Aminevskoye / Rublevskoye 方向

---

设计初衷与应用

该数据集聚焦于 路灯灯泡本身（而非灯杆或灯具整体），旨在支持：

• 灯泡状态检测与识别
• 结合时间、GPS 等元数据的关联分析
• 未来应用于故障路灯的 定位、地图构建与三角测量

---

局限性

当前版本为 2D 检测数据集，尚未定义多视角对应关系、相机姿态估计或实例级3D地面真值坐标，因此不适合直接用于三角测量任务。

搜集汇总

数据集介绍

构建方式

本数据集面向道路场景中街灯灯泡的检测任务，聚焦于灯泡本体而非灯柱结构。数据集包含1206张经过人工标注的JPG图像，每张图像尺寸统一为1280×720像素。标注信息以JSON和YOLO格式的TXT文件形式存储，并附带元数据CSV文件，记录图像路径、视频/帧标识、时间戳、地理坐标及标签摘要等信息。数据采集自莫斯科三条主要有轨电车路线，涵盖高速公路、城市中心及郊区等多种场景，确保了样本的多样性和地域覆盖性。

使用方法

数据集可直接用于训练和评估基于目标检测的模型，例如YOLO系列。用户可加载images/目录下的图像与labels/目录中的YOLO格式标签文件进行训练，或使用annotations/中的JSON格式进行自定义处理。metadata.csv文件中的时间与地理信息可用于将检测结果与时空上下文关联，支撑智能路灯监控系统的下游任务。需注意，当前版本为2D检测数据集，未包含多视角对应或相机位姿等三维重建所需信息，适合作为感知层输入端使用。

背景与挑战

背景概述

该数据集名为Lamp State Detection Dataset，创建于近年，由致力于城市基础设施监测的研究团队构建，核心研究问题为从道路视角图像中检测路灯灯泡状态，以支持故障识别与地理参考监控。该数据集聚焦于灯泡本身而非灯柱，包含1206张1280×720像素的手动标注图像，涵盖lamp_on、lamp_off和lamp_occluded三个类别，并附带时间戳与地理坐标等元数据。其影响力在于填补了现有数据集普遍关注灯柱检测的空白，为更精细的灯泡状态识别提供了基础，进而推动街道照明设施的智能化监控与后续定位、映射工作流的实现。

当前挑战

该数据集所解决的领域问题包括：1）传统街道照明数据集多关注灯柱结构，而灯泡状态识别对于实际故障监测至关重要，该数据集填补了这一精细化检测的空白；2）构建过程中面临标注困难，如灯泡区域小、光线变化及遮挡导致状态不易判别，需人工精确标注并处理模糊案例；3）图像采集于莫斯科三条不同街道路线，需应对环境光照、视角变化及气象条件带来的数据多样性挑战，确保数据集在真实场景下的鲁棒性。

常用场景

经典使用场景

该数据集的核心应用场景聚焦于城市基础设施的智能化视觉巡检，特别是路灯灯盏运行状态的自动识别。与常见检测整根灯杆或灯罩的数据集不同，本数据集直接将灯盏发光区域作为精细检测目标，利用道路影像中的边界框标注，区分灯亮、灯灭与遮挡三种状态。这一设计使得研究者能够构建端到端的灯盏状态检测模型，为后续故障定位与智慧城市运维提供关键的感知层支撑。

解决学术问题

在智慧城市与计算机视觉交叉领域，该数据集精准回应了一个长期被忽视的学术问题——如何从街景图像中高效判定单个灯盏的实时运行状态。传统方法多依赖人工巡检或粗糙的整灯检测，难以分辨光源本身的亮灭细节。本数据集的推出，促使研究者系统性地探索小目标检测、光照鲁棒性以及遮挡推理等方向，为地理感知式基础设施监测的学术范式注入了新的量化评估基准。

实际应用

在实际落地层面，该数据集为市政照明管理部门提供了一套可扩展的自动化监测方案。通过与图像采集设备的元数据（如时间戳、GPS坐标）深度结合，运维人员能够在地图上直观定位熄灭或遮挡的灯盏，并基于检测结果实现故障工单的自动生成。这一应用路径显著降低了人工巡检成本，提升了城市照明系统的响应速度与维护效率，尤其适用于大规模道路网络的动态监控。

数据集最近研究

最新研究方向

该数据集聚焦于道路视角下路灯灯泡的细粒度状态检测，突破了传统路灯检测仅关注灯柱或灯具整体结构的局限，为智慧城市基础设施监测开辟了新的研究维度。当前前沿方向集中于结合图像元数据（时间戳与GPS坐标）构建端到端的故障定位与地理感知系统，推动从二维目标检测向多视图三角测量与三维空间映射的演进。该数据集与城市数字化管理、能源效率优化及自动驾驶环境感知等热点事件紧密相连，其精细化的灯亮、灯灭及遮挡分类能力，为路灯维护的自动化巡检与实时告警提供了关键数据支撑，对降低城市运维成本、提升公共安全具有重要实践意义。