无深度学习YOLOV8模型训练 无人机红外可见光光伏缺陷检测数据集 无人机_机器人搭载红外相机自动识别缺陷 光伏无人机红外可见光缺陷数据集 新能源智慧运维_ 光伏电站智能巡检

无人机红外可见光光伏缺陷检测数据集一一对应数据，共650张 xml格式

1

红外可见光光伏缺陷检测数据集的详细表格描述，基于你提供的信息（650张图像、一一对应红外与可见光图像、XML格式标注、共9类缺陷）。

📊 一、数据集总体信息

🗂️ 二、数据结构示例

photovoltaic_defect_dataset/ ├── images/ │ ├── infrared/# 红外图像（.jpg/.png）│ └── visible/# 可见光图像（.jpg/.png）├── annotations/# XML 标注文件│ ├── 0001.xml │ ├── 0002.xml │ └──... └── labels.txt# 类别名称列表

✅ 每对图像命名一致：

• 0001_ir.jpg（红外）
• 0001_vis.jpg（可见光）
• 0001.xml（标注）

🧱 三、类别定义（9类缺陷）—— 中文+英文对照

⚠️ 注意：

• dmjrb_ycdw和dyrb_ycdw是复合缺陷，表示两种缺陷同时存在。
• 实际标注中应分别框出每个缺陷区域，并标记其类别 ID。

📈 四、类别分布统计表（假设值，供参考）

💡 注：实际分布需根据 XML 文件统计。建议使用脚本解析所有.xml文件并统计每个类别的出现次数。

📄 五、XML 标注格式示例（PASCAL VOC）

<annotation><filename>0001.jpg</filename><size><width>1024</width><height>1024</height><depth>3</depth></size><object><name>ns</name><!-- 热斑 --><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>300</xmin><ymin>400</ymin><xmax>500</xmax><ymax>600</ymax></bndbox></object><object><name>dyrb</name><!-- 断栅 --><bndbox><xmin>700</xmin><ymin>200</ymin><xmax>800</xmax><ymax>300</ymax></bndbox></object></annotation>

✅ 支持多目标、重叠框、复杂缺陷组合。

🔍 六、数据特点与挑战

🚀 七、构建 YOLOv8 检测系统建议

1. 数据预处理（将 XML 转为 YOLO 格式）

# utils/xml_to_yolo.pyimportxml.etree.ElementTreeasETimportosdefconvert_xml_to_yolo(xml_path,img_path,output_dir):tree=ET.parse(xml_path)root=tree.getroot()size=root.find('size')w=int(size.find('width').text)h=int(size.find('height').text)withopen(os.path.join(output_dir,os.path.basename(img_path).replace('.jpg','.txt')),'w')asf:forobjinroot.findall('object'):cls_name=obj.find('name').textifcls_namenotinclass_map:continuecls_id=class_map[cls_name]bbox=obj.find('bndbox')x_min=float(bbox.find('xmin').text)y_min=float(bbox.find('ymin').text)x_max=float(bbox.find('xmax').text)y_max=float(bbox.find('ymax').text)x_center=(x_min+x_max)/2/w y_center=(y_min+y_max)/2/h width=(x_max-x_min)/w height=(y_max-y_min)/h f.write(f"{cls_id}{x_center:.6f}{y_center:.6f}{width:.6f}{height:.6f}\n")

2. 创建dataset.yaml

train:../data/images/trainval:../data/images/valtest:../data/images/testnc:10names:['dmjrb','ns','dyrb','ejgl','zw','yyzd','ygfs','ycdw','dmjrb_ycdw','dyrb_ycdw']

✅ 使用原始缩写名，便于模型训练。

🎯 八、典型应用领域