随着全国数据要素市场化配置改革持续推进，交通领域作为数字基建的核心场景，其运营数据的合规确权、资产化利用成为行业数字化转型的重要方向。作为全国数据要素改革先行省份，浙江省搭建的省级数据知识产权登记平台，承担着数据权益存证、流通合规校验、知识产权保护等核心职能，为各类市场主体的数据资产化提供官方公信力背书。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线无人机视角下工程车辆检测数据正式在该平台完成登记，成为国内少有的完成省级合规登记的轨交垂直领域专项训练数据集。
本次登记的数据集专为轨道交通智能巡检算法训练构建，原始数据全部由搭载高清摄像头、激光雷达、红外传感器等多模态设备的无人机，沿S2线预设航线采集而来，覆盖线路全线的轨道结构、接触网设备、周边保护区等场景，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元数据，且包含接触网设备、轨道结构、行人、车辆、自然环境等全场景要素。依托该数据集训练调优的轨道交通智能巡检算法，可将轨道交通线路巡查、设备巡检、保护区巡护及工地巡查的整体效率提升50%以上，大幅降低人工巡检的成本与高空、沿轨作业的安全风险。
为满足数据安全与隐私保护合规要求，该数据集在加工环节设置了多层标准化处理规则：首先依托深度学习目标检测与OCR技术完成全量脱敏，自动识别定位人脸、车牌、敏感文字及地理水印，通过单向不可逆算法做高斯模糊和像素替换，所有脱敏结果均经过人工复核，在彻底消除敏感信息、确保无法还原原始特征的同时，完整保留巡检核心图像特征；随后采用YOLOv8深度学习算法对脱敏后图像进行初步检测，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”协同模式，先由训练完成的模型生成初始XML标签，仅需专业标注员对不足15%的低置信度样本进行修正补位，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痛点，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，有效弥补真实数据中长尾类别样本不足的短板。
本数据集最终由处理后的.jpg格式图像文件与对应.xml标注文件组成，覆盖铲车、吊车、货车、搅拌车、土渣车、挖掘机、压路机、油罐车共八类轨道保护区常见工程车辆，包含不同车型、涂装、作业状态下的丰富标注样本，可支撑算法实现对车辆类别、行驶方向及停留时长的智能判别。面向轨道交通垂直领域图像识别算法厂商，该数据集可提供高精度、场景化的训练数据支持，针对性优化工程车辆检测算法模型，显著提升复杂环境下的识别准确率与泛化能力。从典型应用场景来看，该数据集既可直接用于S2线自身的自动化巡查与预警，快速识别轨道保护区内的车辆违规停放与非法作业问题，提前排查安全隐患；也可作为标准化训练样本输出给国内其他轨交运营主体、智能巡检解决方案服务商，减少同类场景下的数据采集与标注成本，助力全行业智能巡检效率提升。本次数据登记的完成，不仅明确了该数据集的知识产权归属，为后续的合规流通、价值变现打下了基础，也为国内交通领域运营数据的资产化实践提供了可参考的样本，对推动轨交行业数字化运维、数据要素市场垂直赛道的发展具有积极的示范意义。
登记内容：
_1769672084863.jpg)