近年来，随着国内市域轨道交通网络加速铺设，长线路、多沿线施工场景下人工巡检效率低、安全隐患识别不及时等痛点日益凸显；与此同时，全国数据要素市场化配置改革持续深化，数据知识产权登记作为数据资产确权存证、合规流通的核心前置环节，已成为各行业挖掘数据价值的必要基础。作为全国数据要素市场化配置改革先行区，浙江省打造的省级数据知识产权登记平台，可为登记主体提供确权存证、合规校验、流通支撑等公共服务，其出具的登记凭证可作为后续数据交易、授权、维权的重要效力支撑。
2026年6月30日，温州市域铁路二号线项目有限公司旗下的温州轨道交通S2线无人机视角下重型工程车辆检测数据集正式在该平台完成登记，成为国内为数不多的面向轨交垂直场景完成合规确权的工程类数据集。
本次登记的数据集专为轨道交通智能巡检算法训练构建，原始数据全部来源于S2线无人机智能巡检系统，由搭载高清摄像头、激光雷达、红外传感器等多模态设备的巡检无人机沿预设航线采集，原始影像分辨率不低于4K，每张图像均附带GPS坐标、拍摄时间戳、无人机姿态参数等完整传感器元数据，覆盖接触网设备、轨道结构、行人、车辆、自然环境等全场景要素，未经过任何裁剪、压缩处理，保障了数据的原生性与场景真实性。
为满足数据安全与隐私保护合规要求，同时最大化保留数据应用价值，数据集研发团队采用了标准化的全流程处理规则：首先开展脱敏处理，依托深度学习目标检测与OCR技术自动识别定位图像中的人脸、车牌、敏感文字及地理水印，通过单向不可逆算法进行高斯模糊和像素替换，所有处理结果均经过人工复核，既确保脱敏后的信息无法还原，又完整保留了巡检所需的核心图像特征；随后进行目标检测，采用YOLOv8深度学习算法对脱敏后图像进行初步识别，输出目标类别属性及精确位置坐标；标注环节采用“工具+AI预标注+人工补位”的协同模式，先由已训练模型对全量图像进行AI预标注，自动生成初始XML标签，专业标注员仅需对不足15%的低置信度样本进行精细化修正与补位，标注完成后由工具内置规则校验XML格式合规性，兼顾标注效率与准确率；针对轨道交通巡检中罕见场景样本稀缺的行业共性问题，团队还引入生成对抗网络技术，从少量真实缺陷样本中学习关键特征分布，合成高保真罕见缺陷图像，有效弥补了真实数据中长尾类别样本不足的短板，大幅提升了数据集的泛化能力。
最终完成的数据集由处理后.jpg格式图像文件与对应.xml格式标注文件组成，核心覆盖塔吊、桩机两类轨道沿线高频重型工程设备，每类目标均配有精确位置坐标与类别标签，数据集不含任何原始敏感数据或可还原的个人信息，完全符合数据安全与隐私保护相关合规要求。目前经该数据集训练调优的轨道交通智能巡检算法已应用于S2线日常运营中，可显著提升轨道交通线路巡查、设备巡检、保护区巡护及工地巡查的效率，整体效率提升50%以上。面向行业应用，该数据集可向轨道交通垂直领域图像识别算法厂商提供高精度、场景化的训练数据支持，针对性优化重型工程机械检测算法模型，提升复杂环境下的识别准确率，可精准识别重型机械类型、姿态及入侵轨道安全限界的行为，有效防范施工碰撞、刮擦供电设备等重大安全隐患，还可延伸应用于普速铁路、高速公路、高压电网等其他线性基础设施的智能巡检场景。
本次数据集完成省级数据知识产权登记，不仅明确了该数据资产的知识产权归属，为后续的对外授权、交易流通扫清了合规障碍，也为交通领域工程类数据集的合规确权、资产化管理提供了可复制的实践样本，对丰富国内轨交领域数据要素供给、推动轨道交通数字化运维降本增效、助力地方数字经济发展均具有积极的参考意义。
登记内容：
_1769672084863.jpg)