原文链接：https://blog.csdn.net/weixin_50174671/article/details/148516421

在现代电力系统的运维管理中，红外热成像已经成为检测设备隐患、预防故障的重要手段。相比传统可见光图像，红外图像可揭示设备温度分布，从而更直观地反映过热、老化等问题。而在AI赋能下，通过实例分割技术对热成像中的电力设备进行精细识别与区域分割，为智能巡检系统提供了关键能力支持。

本文将介绍一个专注于电力设备的热成像实例分割数据集，该数据集通过红外图像标注，助力模型精准识别高压场景中的关键部件，为智能运维提供视觉基础。

一、数据集概述

该数据集主要包含高压电力系统中典型设备的红外热成像图像，并为每张图像中存在的设备进行了像素级别的实例分割标注。相较于常规目标检测框（bounding box），实例分割更精确地描绘出设备的形状轮廓，适用于精细识别与空间分析任务。数据集中共标注了以下 3 类关键电力设备：

每张图像都配有精确的目标轮廓标注，并标注了对应的部件类别，用于支持目标分割任务。标注后的数据集如下所示：