当前我国城市轨道交通已进入网络化运营的高速发展阶段，截至2025年末全国运营总里程突破9500公里，运维安全保障、运营效率提升成为全行业的核心诉求。传统轨交巡检依赖人工完成，普遍存在成本高、响应慢、复杂场景漏检率高等痛点，无人机巡检+AI智能识别的技术路径已成为智慧运维的主流落地方向。作为AI算法训练的核心生产要素，高质量场景化数据的合规流通与权益保护，是数据要素价值释放的核心前提——浙江省作为全国数据要素市场化配置改革先行区，上线的浙江省数据知识产权登记平台承担着数据知识产权存证、权益认定、流通对接等公共服务职能，为合规数据的价值转化筑牢了官方公信力基础。
2026年6月30日，温州市域铁路二号线项目有限公司旗下温州轨道交通S2线无人机视角下人员检测数据正式在该平台完成知识产权登记，成为国内为数不多完成省级官方知识产权认定的轨交垂直领域专用训练数据集。
本次登记的数据集专为轨道交通智能巡检算法训练构建，由无人机搭载高清摄像头、激光雷达、红外传感器等多模态设备沿S2线预设航线采集生成，原始数据均为分辨率不低于4K的航拍影像，附带GPS坐标、拍摄时间戳、无人机姿态参数等完整元数据，覆盖接触网设备、轨道结构、施工区域、沿线保护区等全轨交场景。为严格符合《数据安全法》《个人信息保护法》等合规要求，数据集加工环节首先通过深度学习目标检测与OCR技术完成全量敏感信息识别，对人脸、车牌、敏感文字等信息采用单向不可逆的高斯模糊与像素替换处理，且全部脱敏结果经人工复核，在彻底消除敏感信息泄露风险的同时，完整保留了巡检所需的核心图像特征。
加工环节采用YOLOv8深度学习算法完成初步目标检测，输出目标类别属性及精确位置坐标，再通过“AI预标注+人工补位”的协同标注模式完成标签生成：首先由训练完成的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，标注完成后再由工具内置规则校验XML格式合规性，兼顾标注效率与精度。针对轨道交通巡检中罕见场景样本稀缺的行业共性问题，该数据集还引入生成对抗网络技术，从少量真实样本中学习关键特征分布合成高保真罕见场景图像，有效弥补了真实数据中长尾类别样本不足的短板。
最终形成的数据集由处理后.jpg格式图像文件与对应.xml标注文件组成，包含不同光照、姿态、遮挡条件下的人员图像，标注有安全帽正常、未佩戴安全帽、反光衣正常、未穿反光衣四类状态，完全不包含可还原的敏感信息，合规性满足流通要求。据介绍，依托该数据集训练调优的轨道交通智能巡检算法，可将线路巡查、设备巡检、保护区巡护及工地巡查的整体效率提升50%以上。除已落地的人员安全防护装备穿戴自动化稽查、降低人身伤害事故风险外，该数据集还可向轨道交通垂直领域图像识别算法厂商开放授权，支撑违规人员闯入预警、在岗状态监测、极端天气下人员应急搜救等更多轨交安全场景的算法研发，针对性优化人员识别算法模型，提升复杂环境下的识别准确率与泛化能力。本次数据知识产权登记的完成，也为该数据集后续的合规流通、授权使用奠定了权益基础，对探索交通领域运营数据价值转化、助力数据要素市场垂直场景落地具有典型示范意义。
登记内容：
_1769672084863.jpg)