"英文标题：Global Power Equipment Fault Detection Multimodal Image Dataset
数据集概述
针对电气设备故障检测场景，整合遥感成像与无损检测技术获取的设备影像数据，覆盖输变电线路、变压器、开关设备等核心电气设备的故障及疑似故障部位。数据采用多模态影像融合结构，涵盖光学遥感、红外热成像、超声探伤等不同检测维度生成的影像，颗粒度精确至设备部件层级，支持故障特征的多维度比对与识别。
数据覆盖全球主要电力设施分布区域，时间跨度包含电气设备全生命周期的不同运行阶段，影像标注严格遵循电力行业故障检测的专业标准，明确区分故障类型与部位属性。该数据集为电气设备的非接触式故障诊断提供基础支撑，可用于优化检测算法精度、提升设备运维效率、降低现场检测风险。
字段详情
数据集包含以下核心字段：
device_type：设备类型，按电力行业标准分类，如变压器、断路器、输电线塔等imaging_mode：成像模式，标识影像获取技术，如红外热成像、超声回波成像、光学遥感成像fault_region_coords：故障区域坐标，采用像素坐标系，指影像中疑似或确认故障的部位边界fault_type_label：故障类型标签，按电力设备故障分类标准标注，如绝缘老化、接触不良、机械损伤acquisition_time：影像采集时间，格式YYYY-MM-DD HH:MM:SS，指影像获取的精确时间点device_location：设备位置，采用经纬度坐标系，指被检测设备的实际地理坐标
适用场景
- 电力运维企业训练故障检测AI模型，实现电气设备的远程实时诊断
- 电力工程高校开展遥感与无损检测技术在设备诊断中的应用研究
- 电力监管部门评估区域电气设备故障分布特征，制定运维优先级计划
- 电气检测设备厂商优化成像算法，提升非接触式检测设备的识别精度
- 电网公司构建设备健康管理系统，实现故障预警与预防性维护"
