摘要

许多电力线路公司正采用无人机（UAV）执行巡检任务，以替代以往让工作人员攀爬高压输电塔所带来的安全风险。巡检中的关键任务之一是准确检测并分类输电线路中的各类设备。然而，目前公开的电力线路资产相关数据极为稀缺，严重制约了该领域的快速发展。为此，本文提出了一套名为“电力线路资产数据集”（Power Line Assets Dataset, PLAD）的新数据集，包含大量高分辨率、真实场景下的高压输电线路组件图像。该数据集共包含2,409个标注目标，划分为五个类别：输电塔、绝缘子、间隔棒、塔板以及阻尼线夹（Stockbridge damper），其目标在尺寸（分辨率）、朝向、光照条件、视角角度及背景环境等方面均存在显著差异。本文还对多种主流深度学习目标检测方法进行了评估，结果表明当前技术在该任务上仍存在较大的提升空间。STN PLAD数据集已开源，可通过以下链接获取：https://github.com/andreluizbvs/PLAD。