风电叶片缺陷图像检测数据集

风电叶片缺陷图像检测数据集

V1.0
最新更新:2026-03-05 09:04:28
样本数:15000
文件大小:3.5G
文件格式:JPG/PNG/JSON
数据领域:图片
持有人:墨比乌斯公司
行业范围:风电叶片,缺陷检测,目标检测,图像数据集
适用方向:风电叶片检测,设备维护,质量控制
数据集介绍

随着全球对可再生能源的需求不断增加,风电行业面临着叶片损坏导致的效率损失和安全隐患等挑战。现有的检测方案大多依赖人工检查,效率低且容易出错。因此,开发一个高效且准确的自动化检测系统显得尤为重要。该数据集旨在提供多样化的风电叶片缺陷图像,以支持目标检测模型的训练与优化。数据采集采用高分辨率相机在实际风电场环境中拍摄,确保数据的真实有效性。同时,通过多轮标注和一致性检查,确保数据的标注质量。数据以JPG格式存储,按文件夹组织,便于快速访问与处理。

示例样本展示
图片文件名分辨率缺陷类型缺陷位置置信分数边界框叶片序列号检查日期图像质量光照条件
6a9c027ab20a78bf07e1c2ab8976b441.jpg1080*1442损坏靠近叶片根部0.95(100, 150, 300, 400)未知2023-10-05阴天
f8929acea90bcb2088d01eaf62b071f6.jpg1080*1438火灾叶片顶部0.95(250, 100, 150, 300)未知未知晴天
5e58eefd426d4a99f332f9eb153efbcc.jpg1080*810过热或着火叶片根部附近0.95(300, 200, 150, 100)未知未知晴天
e8827e98f6151855b3ee324377563105.jpg1080*1459裂缝叶片根部附近0.85(140, 220, 50, 80)未知2023-10-05阴天
1c674c8a627a90f98e4a57a85fb9e25c.jpg1080*1699叶片断裂叶片中部0.95(150, 200, 100, 300)未知未知晴天
数据结构总览
字段类型描述
文件名string文件名
分辨率string分辨率
缺陷类型string图像中识别出的风电叶片缺陷类型,例如裂缝、磨损等。
缺陷位置string识别出的缺陷在叶片上的具体位置。
置信分数float识别出缺陷的置信度评分,范围通常为0到1。
边界框string描绘缺陷区域的矩形边界框,通常以(x, y, 宽度, 高度)格式表示。
叶片序列号string风电叶片的唯一标识序列号。
检查日期date图像采集或检查进行的日期。
图像质量string图像的质量评估,可能为高、中、低。
光照条件string图像拍摄时的光照条件,例如晴天、阴天。
授权与合规说明
项目内容
授权类型CC-BY-NC-SA 4.0(非商业署名共享)
商业使用需申请专属订阅或授权合同(支持按月/按调用次数收费)
隐私与脱敏无PII,无真实公司名,模拟场景均符合行业标准
合规体系中国《数据安全法》 / 欧盟GDPR / 企业数据可访问日志支持

找不到您要找的数据?

让数据提供商通过发布请求来找到你

发布您的请求