该数据集是电力行业高技能人才配电运维培养与智能考评而构建的高质量、多模态数据资源。数据内容是关于电流互感器分相接入的三相四线电能表接线检查，每套视频数据均采用了六路同步录制的方案，构建了一个完整的多视角观察体系：主视视角：作为核心视角，清晰捕捉考生的正面操作细节，如低压验电笔和钳形电流表检查等。左视、右视视角：提供操作区域两侧的侧向视图，有效弥补主视角的盲区，尤其对于手部在设备后方的操作有很好的呈现。俯视视角：从正上方垂直向下拍摄，完美展现工作台面上工具、材料的布局以及整体接线的走向和逻辑关系。平视视角：模拟旁观者或考官的平视高度，提供一个更具现场感的全局观察角度。全景视角：覆盖整个工位乃至更广的环境，用以记录考生的整体行为、安全距离保持以及与周围环境的互动。这套数据集不仅为传统的人工考评提供了客观、可回溯的评判依据，也为未来利用人工智能技术进行自动化行为分析、操作规范性智能识别以及虚拟仿真培训等创新应用奠定了坚实的数据基础

本数据集采集后经系统化、标准化处理： （1）数据清洗与同步对齐：对六路同步采集的原始视频流开展全面质量检查，剔除因设备故障或人为失误导致的无效片段。随后，将全部有效视频统一转为标准化技术参数，通过时间码对齐技术，确保六个视角（主视、左视、右视、俯视、平视、全景）每一帧同步，构建精准对应多视角视频 （2）隐私与信息脱敏：为保护个人隐私、符合数据安全规范，对视频中考生面部、工牌、姓名工号等可识别信息，及环境中涉企业敏感信息的标识、文档等，采用可靠脱敏技术处理，确保数据可分析研究且不泄露隐私 （3）关键帧智能提取：为高效捕获操作中的关键动作与状态转换节点，采用基于目标检测（如人体姿态检测）和场景理解（如 CLIP 图像 - 文本匹配模型）的混合算法，自动提取视频关键帧。该策略筛选出包含显著操作动作、工具使用、状态变化的代表性画面，保障覆盖操作全流程核心环节，大幅提升数据集多样性与处理效果 （4）数据标注：对关键帧图片人工标注，标注内容含工作服、安全帽、验电笔和万用表等工器具信息

数据内容内容严格遵循电力安全工作规程，完整覆盖了标准化作业的三大核心环节： 工作前准备阶段：视频细致记录考生的个人防护装备，如安全帽佩戴、工作服着装规范性，以及对所需工器具（如验电笔、螺丝刀、绝缘手套等）检查过程。 工作过程执行阶段：视频重点捕捉关键安全行为，包括使用验电笔对电箱进行验电等安全措施，以及接入电流和电压回路的全部操作过程。 工作终结阶段：完整记录考生在完成接线后的收尾工作，包括清点并归位工器具、清理现场，并提交工作结束报告的全过程。 这套数据集不仅为传统的人工考评提供了客观、可回溯的评判依据，也为未来利用人工智能技术进行自动化行为分析、操作规范性智能识别以及虚拟仿真培训等创新应用奠定了坚实的数据基础

查阅附件 附件下载

数据集分为两部分，一部分为JPG格式的图片数据，另一部分为json格式的标注数据，同一张JPG图片对应的json文件具有共同的前缀文件名。该标注文件是专业标注人员通过标注工具生成的文件，每个标注文件都保留的图像目标标注信息，如目标名称位置等信息。json文件字段具体含义如下：version: 用于表示标注工具LabelMe的版本号，用于确保标注文件的兼容性，flags: 图像级别的标记/标志，可用于存储图像的整体属性（如质量、场景等），本例中为空对象，shapes: 标注的形状/对象数组，包含所有标注的对象的详细信息，是核心部分，label: 该标注对象的类别标签，用户定义的类别名称，points:标注点的坐标数组， 每个点是一个[x, y]坐标，表示形状的顶点，group_id: 分组标识符，用于将多个标注关联在一起（如同一个物体的不同部分），null表示未分组 shape_type: 标注形状的类型，常见的类型有：rectangle矩形，polygon多边形，circle圆形，line线条，point点，imagePath: 标注对应的图像文件名，相对路径或文件名