YOLO 红外小目标优化｜889 张变电站互感器 7 类 VOC/YOLO 数据集实战，不平衡样本训练、无人机红外巡检全流程落地

目录一、前言二、889 张变电站互感器红外 7 类数据集完整解析2.1 数据集基础完整参数2.2 数据集电力巡检专属优势2.3 数据集核心短板与配套涨点方案三、红外不平衡样本 YOLO 涨点核心原理四、三大变电站红外巡检落地应用案例案例 1 230kV 山区变电站无人机红外巡检项目项目背景改造方案落地成效案例 2 县域 69kV 配电站轨道机器人监测项目项目背景轻量化落地方案落地成效案例 3 工业园区便携式红外巡检方案项目背景厂区分散 69kV 配电室，无固定机器人，运维人员手持热像仪拍照后人工区分 TC/PT、避雷器，台账登记繁琐，微小互感器发热经常遗漏。极简落地方案便携平板运行轻量化推理程序，现场拍摄红外图实时识别七类设备，批量照片导入一键导出 Excel 巡检报表，区分高低压避雷器、两种隔离开关。落地成效单配电室巡检时长从 48 分钟缩短至 7 分钟，稀有刀闸、避雷器错判基本消除，基层配电红外巡检标准化落地。五、全套商用工程完整代码5.1 深度学习环境一键部署脚本5.2 数据集全自动校验、7:2:1 划分代码5.3 红外 Focal 损失 + 多尺度涨点训练完整代码5.4 无人机红外流实时推理代码六、不平衡样本与红外小目标专项优化6.1 稀有设备 Focal 损失优化6.2 远距离互感器小目标优化6.3 低对比度红外 CLAHE 预处理6.4 机载轻量化部署方案七、数据集落地使用规范八、总结核心关键词一、前言高压变电站一次设备中电流互感器 (TC)、电压互感器 (PT)是电压、电流采集核心元件，搭配 230kV 高低压隔离开关、断路器、避雷器共同构成站内基础变电单元。互感器接头松动、铁芯损耗、瓷瓶劣化会产生肉眼不可见局部温升，红外热成像是非接触式带电巡检唯一可靠手段。传统人工红外巡检存在大量行业痛点：无人机远距离航拍下互感器属于微型点状小目标，灰度红外图像对比度低、钢架背景干扰强；7 类设备样本数量极度不均衡，69kV 避雷器仅 10 个标注样本，人工看图极易混淆隔离开关、互感器外观；人工逐帧统计各类设备数量、标记发热点位，单座变电站读图耗时 3 天以上，运维效率极低。传统灰度阈值、轮廓分割算法仅能识别高温区域，无法区分 TC/PT、高低压刀闸、避雷器 7 类不同设备，不能完成 “设备分类 + 温升定位” 一体化巡检流程。基于 YOLO 多尺度灰度增强 + 类别不平衡损失优化方案，依托889 张变电站红外 7 类 VOC+YOLO 双格式数据集完成训练，可一次性识别 230kV 水平 / 垂直隔离开关、断路器、69kV/230kV 避雷器、电流互感器、电压互感器全部一次设备。当前开源电力红外数据集普遍存在样本少、稀有设备标注稀缺、仅单种标注格