智慧巡检之红外油气管道泄露识别图像数据集-深度学习计算机视觉与人工智能图像数据集
智慧巡检之红外油气管道泄露识别图像数据集-深度学习计算机视觉与人工智能图像数据集
·
泄漏检测数据集核心信息表



| 信息类别 | 详情 |
|---|---|
| 数据集类别 | 目标检测类数据集,核心标注类别为“leak(泄漏)”,细分标注标签含“leakage(泄漏物)”,聚焦泄漏场景下的物体定位与识别 |
| 数据数量 | 总计3427张图像,划分三大数据子集:训练集2396张、验证集685张、测试集346张,默认数据集1个,配套标注记录11条 |
| 数据格式 | 图像格式为JPG,单张图像分辨率640×480(0.31MP);标注数据含CSV原始格式与JSON转换格式,JSON标注含边界框坐标(x/y/width/height)、标签及图像尺寸信息 |
| 核心应用价值 | 可直接用于训练泄漏检测AI模型,适配工业管道、设备、液体存储等场景的泄漏隐患自动识别,助力提升安全生产监控效率,减少人工巡检成本与漏检风险 |
该数据集属于目标检测范畴,核心围绕“泄漏”场景构建,标注体系明确,包含“leak”主类别与“leakage”细分标签,能精准定位图像中的泄漏区域,为后续模型训练提供清晰的识别目标。
从数据数量来看,数据集规模适中且划分合理,2396张训练集图像可支撑模型学习足够特征,685张验证集与346张测试集则能有效验证模型泛化能力,满足基础AI模型开发的数据集量级需求。

数据格式兼顾实用性与兼容性,JPG图像便于常规处理,CSV原始标注保留初始数据记录,JSON格式则更适配主流AI框架的标注读取需求,边界框坐标等信息完整,减少了数据预处理的额外工作量。
更多推荐
所有评论(0)