摘要该数据集面向航空电气线路自动检查与预测性维护研究旨在利用计算机视觉技术辅助维护人员识别线路连接和布置故障。数据集概述该数据集面向航空电气线路自动检查与预测性维护研究旨在利用计算机视觉技术辅助维护人员识别线路连接和布置故障。图像以单个计算机机箱为实验载体配置两台电源、两个冷却部件和四条SATA线缆通过改变线缆连接状态、布置方式以及人为引入故障模拟电气线路检查场景。数据结构与关键特征数据集图像由固定在三脚架上的Canon S95数码相机在无窗、受控照明环境中采集具有较稳定的视角和光照条件。所有图像均使用CVAT进行人工标注并采用边界框提供故障位置。主要故障类别包括线缆或导线布置错误、线缆或导线损坏、插头断开和插孔断开标注依据FAA相关维护规范及航空电气维修专家意见确定。应用价值与研究方向该数据集可用于电气线路自动光学检查、故障定位、预测性维护和航空维修辅助决策减少人工巡检的工作量及对个人经验的依赖。研究方向包括YOLO、Faster R-CNN和DETR目标检测细粒度线路故障识别、小目标检测、遮挡条件下的插接状态判断、异常检测、模型轻量化及可解释性分析还可进一步研究跨设备迁移、真实航空场景泛化和边缘端实时巡检。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-573文件大小780M原创声明本数据集为整理作品