← 首页 · 模型与数据 模型与数据

边缘 AI 开源模型与数据集行业调研（按行业分类）

调研日期：约 2026-10-25（Asia/Shanghai）
用途：供后续整理飞书文档；本文为结构化 Markdown 正文
方法：公开网页检索与链接核验；宁缺勿滥，条目均附可访问 URL
说明：开源权重/数据集许可可能变更，商用前请再次核对 LICENSE；多数行业仍缺「专用完整商用权重」，主流路径是 通用轻量骨干 + 行业数据微调。

一、调研范围与通用边缘骨干速查

1.1 调研范围

本报告覆盖适合或可适配 边缘侧（MCU / NPU 模组 / Jetson / 工控机） 的开源视觉、OCR、异常检测与轻量语言模型，以及对应公开数据集。行业包括：电力能源、工业质检、安防园区、交通辅助、农业、医疗（研究向）、零售仓储、机器人/通用视觉、TinyML/AIoT。

不覆盖：闭源 SaaS 专用模型、无法公开下载的内部电力/医疗库、需要付费墙且无公开镜像的权重。

1.2 通用边缘骨干模型速查

名称 任务 许可（据公开页） 边缘友好点 链接
Ultralytics YOLO11（n/s 等） 检测 / 分割 / 姿态 / OBB AGPL-3.0（闭源商用需 Enterprise） nano 参数量小，可导出 TensorRT / ONNX / TFLite / OpenVINO / RKNN 等 https://docs.ultralytics.com/models/yolo11/ ；许可说明 https://www.ultralytics.com/license
YOLOX（nano/tiny/s…） 检测 Apache-2.0 许可更宽松的 YOLO 系替代；nano 适合移动/NPU https://github.com/Megvii-BaseDetection/YOLOX
RT-DETR / RT-DETRv2 实时检测 Apache-2.0 Transformer 检测器，实时向；可 ONNX 部署 https://github.com/lyuwenyu/RT-DETR
RF-DETR（Roboflow） 实时检测 核心包多为 Apache-2.0（部分大模型另有 PML） 文档含 Jetson 部署；可导出多格式 https://github.com/roboflow/rf-detr
PaddleOCR（PP-OCRv4/v 系列 mobile） OCR Apache-2.0 系 移动端检测/识别体积可控，支持端侧部署文档 https://github.com/PaddlePaddle/PaddleOCR
MediaPipe（Google AI Edge） 人脸/手/姿态/轻量检测等 项目开源（以仓库 LICENSE 为准） 移动与嵌入式流水线成熟 https://github.com/google-ai-edge/mediapipe ；文档 https://developers.google.com/edge/mediapipe/solutions/vision/object_detector
PatchCore + anomalib 无监督异常检测 PatchCore 原实现 / anomalib：Apache-2.0 只需正常样本；适合缺陷类别难穷尽场景 https://github.com/amazon-science/patchcore-inspection ；https://github.com/open-edge-platform/anomalib
Qwen2.5-0.5B / 1.5B 等 轻量文本（告警摘要等） Apache-2.0（以模型卡为准） GGUF/量化后可在 Jetson 等跑 https://huggingface.co/Qwen/Qwen2.5-0.5B

许可注意（务必阅读）：

  • Ultralytics YOLO（含 YOLO11）为 AGPL-3.0：闭源产品、嵌入式商用、SaaS 内嵌等场景通常需要 Enterprise，或改用 Apache-2.0 的 YOLOX / RT-DETR / RF-DETR 等。详见 https://www.ultralytics.com/license
  • 数据集常有 CC BY-NC（禁止商用）：如部分巡检集、MVTec AD 等；量产前必须换自有数据或获授权。

通用公开集（跨行业冷启动）：

  • MS COCO：https://cocodataset.org/
  • VisDrone（航拍小目标）：https://github.com/VisDrone/VisDrone-Dataset ；下载页 https://aiskyeye.com/download/

二、电力能源（输电巡检 / 变电站安监 / 表计 / 红外）

典型场景

  • 无人机/机器人巡检：绝缘子、金具、导线、杆塔、鸟巢、破损
  • 变电站安监：人员、安全帽、烟火、闯入
  • 表计：指针表角度读数、数显 OCR
  • 红外/热成像：接头过热、渗油（常与可见光双流）

推荐开源模型

名称 任务 许可 边缘友好点 链接
YOLO11n / n-seg / n-pose 资产检测、分割、指针关键点 AGPL-3.0 nano 适合 Coral～Jetson https://docs.ultralytics.com/models/yolo11/
YOLOX-nano/s 检测（商用许可更友好） Apache-2.0 ONNX→NPU https://github.com/Megvii-BaseDetection/YOLOX
RT-DETR-R18 等 远距小目标检测 Apache-2.0 实时 DETR https://github.com/lyuwenyu/RT-DETR
PaddleOCR mobile 数显表/铭牌 Apache 系 端侧 OCR https://github.com/PaddlePaddle/PaddleOCR
meter-vision（YOLO Pose 示例工程） 指针表读数流水线 MIT（仓库声明） 可作表计方案参考，需自训权重 https://github.com/mc260/meter-vision
PatchCore / anomalib 油渍、腐蚀等难穷尽缺陷 Apache-2.0 正常样本即可训练 https://github.com/open-edge-platform/anomalib
Qwen2.5-0.5B 机上告警中文摘要 Apache-2.0 Orin 级 https://huggingface.co/Qwen/Qwen2.5-0.5B

公开数据集

名称 规模简述 链接 备注
CPLID（中国电力线绝缘子） 正常约 600 张 UAV + 缺陷合成约 248 张；VOC 标注 https://ieee-dataport.org/open-access/insulator-data-set-chinese-power-line-insulator-dataset-cplid ；GitHub 镜像 https://github.com/InsulatorData/InsulatorDataSet 经典冷启动集
InsPLAD 约 1.06 万张高分辨率 UAV；17 类资产；检测+缺陷分类+异常三套 https://github.com/andreluizbvs/InsPLAD ；数据 https://data.mendeley.com/datasets/5n3fjgvfyz/1 CC BY-NC（非商用）
MPID 多类型绝缘子，YOLO 格式框 https://github.com/phd-benel/MPID ；Zenodo https://zenodo.org/records/14604384 UAV 巡检
TTPLA 约 1100 张 4K 航拍；杆塔与导线检测/分割 https://github.com/R3ab/ttpla_dataset ACCV 相关工作
SHWD 安全帽 约 7581 张；hat/person https://github.com/njvisionpower/Safety-Helmet-Wearing-Dataset 变电站安监迁移
Construction-PPE 约 1416 张；帽/手套/背心等 https://docs.ultralytics.com/datasets/detect/construction-ppe/ 安监 PPE
D-Fire 约 2.1 万张烟火；YOLO 标注 https://github.com/gaiasd/DFireDataset 烟火告警

边缘落地提示

巡检优先 Jetson Orin Nano/NX（多模型+可选小 LLM）；站端 1～2 路枪机可用 Pi5+Hailo/Coral 或 RK3588，格式走 TensorRT / RKNN / HEF。InsPLAD 等 NC 许可数据仅能研究，量产必须用自有杆塔/变电站复标与复测。

三、工业制造 / 质检（表面缺陷、PCB、钢材）

典型场景

  • 带钢/金属表面：划痕、夹杂、结疤、裂纹
  • PCB：开路、短路、毛刺、孔洞、残留铜
  • 通用产线：未知缺陷 → 无监督异常检测

推荐开源模型

名称 任务 许可 边缘友好点 链接
YOLO11n / YOLOX-s 缺陷框检测 AGPL / Apache-2.0 产线相机实时 YOLO11 文档；YOLOX 仓库见上
RF-DETR 工业检测 Apache-2.0（核心） Jetson 有部署文 https://github.com/roboflow/rf-detr
PatchCore + anomalib 无监督异常 Apache-2.0 缺陷稀缺时首选 https://github.com/open-edge-platform/anomalib
表面缺陷汇总仓库（数据/论文索引） 索引与基线 以各子项为准 找数据集入口 https://github.com/Charmve/Surface-Defect-Detection

公开数据集

名称 规模简述 链接
NEU 表面缺陷（NEU-CLS / NEU-DET） 热轧带钢 6 类缺陷，共 1800 张 200×200；DET 含框 东北大学页面 https://faculty.neu.edu.cn/songkechen/zh_CN/zdylm/263270/list/ ；Kaggle 镜像 https://www.kaggle.com/datasets/kaustubhdikshit/neu-surface-defect-database
DeepPCB 1500 对模板/待测图，640×640，6 类 PCB 缺陷 https://github.com/tangsanli5201/DeepPCB
DsPCBSD+ 约 10259 张 PCB 表面缺陷图，约 2 万框 论文与数据说明 https://www.nature.com/articles/s41597-024-03656-8
MVTec AD 15 类工业物体，正常训练 + 异常测试；无监督标杆 https://www.mvtec.com/company/research/datasets/mvtec-ad （CC BY-NC-SA，研究向）

边缘落地提示

固定工位相机优先 工控 x86 + OpenVINO/Hailo 或 Orin NX；先用 MVTec/NEU 验证流水线，再换产线自有图做 INT8。无监督路径用 anomalib 导出后再压测延迟。

四、安防 / 智慧园区（人员、入侵、PPE、烟火、车辆）

典型场景

  • 周界入侵、人员徘徊、车辆占道
  • 工地/厂区 PPE（帽、背心）合规
  • 烟火早期告警
  • 园区多路视频结构化（事件 JSON 上报）

推荐开源模型

名称 任务 许可 边缘友好点 链接
YOLO11n / YOLOX-nano 人车检测 AGPL / Apache 多路时用 nano + 跟踪 见通用表
MediaPipe 姿态/轻量视觉 开源仓库 手机/嵌入式 https://github.com/google-ai-edge/mediapipe
D-Fire 微调 YOLO 烟火 数据开源；模型自训 TensorRT 常见 数据集见下

公开数据集

名称 规模简述 链接
SHWD 安全帽约 7581 张 https://github.com/njvisionpower/Safety-Helmet-Wearing-Dataset
Construction-PPE 建筑 PPE 约 1416 张 https://docs.ultralytics.com/datasets/detect/construction-ppe/
D-Fire 烟火约 2.1 万张 https://github.com/gaiasd/DFireDataset
VisDrone 航拍人车等，检测/跟踪多任务 https://github.com/VisDrone/VisDrone-Dataset
COCO 人/车等通用 80 类 https://cocodataset.org/

边缘落地提示

园区 1～2 路：Coral / Hailo / RK3588；多路智造：Orin + DeepStream 类流水线。统一事件字段（设备 ID、模型版本、类别、置信度、时间戳），便于混部硬件。

五、交通 / 智能驾驶辅助（车道、车牌、标志、行人）

典型场景

  • 车道线检测（辅助驾驶/ADAS 研究）
  • 中国车牌检测与识别
  • 交通标志分类
  • 城市场景行人/车辆感知（边缘盒）

推荐开源模型

名称 任务 许可 边缘友好点 链接
YOLO11n / YOLOX 车、人、牌检测 AGPL / Apache 车载域控/边缘盒 见通用表
PaddleOCR / 车牌专用微调 车牌识别 Apache 系 与检测级联 https://github.com/PaddlePaddle/PaddleOCR
RT-DETR 复杂场景检测 Apache-2.0 实时向 https://github.com/lyuwenyu/RT-DETR

公开数据集

名称 规模简述 链接 备注
CULane 约 13.3 万帧车道线（北京道路） https://xingangpan.github.io/projects/CULane.html 车道分割/检测研究
CCPD 中国车牌 30 万+ 图 https://github.com/detectRecog/CCPD MIT；检测/识别
GTSRB 德国交通标志，约 5 万张，43 类 https://benchmark.ini.rub.de/?section=gtsrb ；数据归档 https://sid.erda.dk/public/archives/daaeac0d7ce1152aea9b61d9f1e19370/published-archive.html 分类标杆
BDD100K 大规模驾驶视频与关键帧标注 https://bair.berkeley.edu/blog/2018/05/30/bdd/ 注意许可偏个人/研究，商用需核对
VisDrone 航拍交通参与者 https://github.com/VisDrone/VisDrone-Dataset 路口/高点监控

边缘落地提示

车载与路侧优先 Orin / 高通车规平台；车道与检测分模型部署。BDD100K 等大集许可严格，产品化须换合规数据或自采。

六、农业（作物病害、杂草、畜牧）

典型场景

  • 叶片病害分类（手机/田间边缘盒）
  • 杂草识别与精准喷施
  • 无人机/棚顶视角牲畜计数与跟踪

推荐开源模型

名称 任务 许可 边缘友好点 链接
YOLO11n-cls / YOLOX + 分类头 病害/杂草分类或检测 AGPL / Apache 手机 NPU / Pi 见通用表
MobileNet 系（经 MediaPipe/TFLite） 轻量分类 依具体权重 MCU～手机 MediaPipe / TF Hub 生态
畜牧：通用检测微调 牛羊检测计数 依训练框架 Jetson 无人机机载 结合下列数据集

公开数据集

名称 规模简述 链接
PlantVillage 约 5.4 万张叶片；14 作物、多病害；CC BY-SA 3.0 https://github.com/spMohanty/PlantVillage-Dataset ；HF https://huggingface.co/datasets/mohanty/PlantVillage
DeepWeeds 约 1.75 万张；多类杂草 https://github.com/AlexOlsen/DeepWeeds ；TFDS https://www.tensorflow.org/datasets/catalog/deep_weeds
CropAndWeed 作物/杂草检测与分割（多模态标注） https://github.com/cropandweed/cropandweed-dataset （非商用条款，注意 LICENSE）
CattleEyeView 俯视牛只约 3 万帧；检测/跟踪/姿态等 https://github.com/AnimalEyeQ/CattleEyeView
AUTH-Sheep 无人机羊群等标注 https://github.com/idmt-odoll/AUTH-Sheep

边缘落地提示

田间手持用 手机 SoC + TFLite/NNAPI；植保无人机用 Orin Nano。PlantVillage 实验室背景多，田间必须本地复标；杂草/畜牧注意光照与遮挡增强。

七、医疗健康（边缘友好 · 仅研究 / 强合规）

重要声明： 下列资源仅供算法与工程研究。未经当地医疗器械与隐私法规批准，不得用于临床诊断、治疗决策或患者护理。医学影像常含敏感信息，使用须符合伦理与数据协议。

典型场景（研究向）

  • 轻量医学影像分类基准（28×28 等）
  • 可穿戴 TinyML：心律、手势、咳嗽等信号分类原型
  • 内窥/显微等边缘视觉原型（非临床）

推荐开源模型 / 基准

名称 任务 许可 边缘友好点 链接
MedMNIST 配套轻量 CNN 多套生物医学图像分类基准 以 MedMNIST 协议为准 28×28 极适合 MCU/手机 demo https://medmnist.com/ ；https://github.com/MedMNIST/MedMNIST
BiomedBench 应用集 可穿戴 TinyML C/C++ 套件 开源仓库 RP2040/STM32 等移植 https://github.com/esl-epfl/biomedbench
Edge Impulse 视觉/音频教程 端到端嵌入式部署 平台条款 OpenMV 等示例 关键词唤醒文档 https://docs.edgeimpulse.com/tutorials/end-to-end/keyword-spotting

公开数据集

名称 规模简述 链接
MedMNIST 12 个 2D + 6 个 3D 标准化医学图像子集 https://medmnist.com/
Google Speech Commands（非医疗，但常作健康手环「唤醒词」参考） 约 10 万条 1 秒指令音频 https://huggingface.co/datasets/google/speech_commands ；TFDS https://www.tensorflow.org/datasets/catalog/speech_commands

边缘落地提示

研究原型可用 MCU + TFLite Micro / Edge Impulse；任何真实医疗产品路径必须单独做合规、去标识与临床验证，开源权重不能替代认证。

八、零售 / 仓储（货架、计数、包裹）

典型场景

  • 货架 SKU 密集检测与缺货
  • 仓内料箱/包裹定位与分拣辅助
  • 异常件/破损（可结合无监督）

推荐开源模型

名称 任务 许可 边缘友好点 链接
YOLO11n / YOLOX / RF-DETR 货架与包裹检测 AGPL / Apache 密集小目标用高分辨率输入+轻量骨干 RF-DETR Jetson 文：可检索 Roboflow 博客
PatchCore 货架异常/脏污 Apache-2.0 正常货架图训练 anomalib 仓库

公开数据集

名称 规模简述 链接
SKU-110K 零售货架密集商品检测（CVPR’19） https://github.com/eg4000/SKU110K_CVPR19
ARMBench 亚马逊仓内操作相关：分割/识别/缺陷等大规模基准 https://www.armbench.com/
Amazon Bin Image Dataset 50 万+ 料箱图像与元数据 https://registry.opendata.aws/amazon-bin-imagery/ （注意 CC BY-NC-SA）
Roboflow 100 / 包裹用例合集 多领域检测基准与包裹相关项目入口 https://universe.roboflow.com/roboflow-100 ；https://universe.roboflow.com/use-cases/package-detection

边缘落地提示

门店摄像头：RK3588 / Hailo；仓内机械臂旁：Orin。SKU-110K 类密集场景需注意 NMS 与输入分辨率对延迟的影响。

九、机器人 / 通用视觉（可选）

典型场景

  • 移动机器人避障与语义目标
  • 机械臂抓取前的检测/分割
  • 通用 COCO 类目标 + 自有物体微调

推荐开源模型

名称 任务 许可 边缘友好点 链接
YOLO11 / YOLOX / RT-DETR 检测 见上 ROS/Isaac 常见串联 见通用表
MediaPipe 手势/姿态人机交互 开源 边缘交互 https://github.com/google-ai-edge/mediapipe
RF-DETR 实时检测 Apache-2.0 Jetson 部署资料多 https://github.com/roboflow/rf-detr

公开数据集

名称 规模简述 链接
COCO 通用检测/分割/关键点 https://cocodataset.org/
ARMBench 仓内操作与机器人相关 https://www.armbench.com/
VisDrone 空中机器人视角 https://github.com/VisDrone/VisDrone-Dataset

边缘落地提示

移动机器人常用 Orin NX/AGX；室内巡检车可用 Nano。先 COCO 预训练再对自有物体做几十～几百张微调。

十、TinyML / AIoT 传感器（可选）

典型场景

  • 关键词唤醒、异常振动/声纹
  • 低分辨率视觉事件（有人靠近）
  • 电池供电传感器本地判决后上云

推荐开源模型 / 工具链

名称 任务 许可 边缘友好点 链接
Edge Impulse 端到端 音频/IMU/小视觉 平台条款 一键到 MCU https://docs.edgeimpulse.com/tutorials/end-to-end/keyword-spotting
TFLite Micro 生态 分类/检测微模型 依模型 ESP32 等 配合 Speech Commands 等
BiomedBench 可穿戴生物医学 TinyML 开源 多 MCU 移植参考 https://github.com/esl-epfl/biomedbench

公开数据集

名称 规模简述 链接
Google Speech Commands 关键词 spotting 经典集 https://huggingface.co/datasets/google/speech_commands
DeepWeeds / PlantVillage（田间小模型） 见农业节 可压到 MCU 级分类器（精度权衡大）

边缘落地提示

功耗优先选 MCU + 事件唤醒；模型以 KB～低 MB 计。视觉 TinyML 分辨率通常极低，只适合「有/无」类事件，不适合细粒度电力缺陷。

十一、跨行业选型建议

  1. 先锁任务与许可，再锁板子：闭源商用慎用 Ultralytics AGPL；优先评估 YOLOX / RT-DETR / RF-DETR（Apache）+ 自有数据。
  2. 行业专用完整权重稀缺：公开集（CPLID、NEU、PlantVillage、SHWD、D-Fire、SKU-110K 等）只做冷启动；量产以 现场 200～2000+ 张精标 + 目标板 INT8 实测 为准。
  3. 缺陷难穷尽 → 无监督：工业与电力渗漏/腐蚀优先试 PatchCore/anomalib，再与监督检测并联。
  4. OCR 与检测分离：表计、铭牌、车牌用 检测/关键点 + PaddleOCR，比端到端大模型更稳、更易上边缘。
  5. 硬件分档：MCU（唤醒/振动）→ Coral/Hailo/RK（1～2 路视觉）→ Orin（多路、巡检、小 LLM）。
  6. 合规红线：医疗仅研究；NC 协议数据集（如 InsPLAD、MVTec AD、部分驾驶/仓内集）不得直接商用。
  7. 交付物建议：统一事件 JSON + 模型版本 OTA + 误报抽检闭环，便于电力/安防/工业多行业复用同一边缘框架。

十二、主要来源列表（已检索核验）

模型与框架

  • https://docs.ultralytics.com/models/yolo11/
  • https://www.ultralytics.com/license
  • https://github.com/Megvii-BaseDetection/YOLOX
  • https://github.com/lyuwenyu/RT-DETR
  • https://github.com/roboflow/rf-detr
  • https://github.com/PaddlePaddle/PaddleOCR
  • https://github.com/google-ai-edge/mediapipe
  • https://github.com/amazon-science/patchcore-inspection
  • https://github.com/open-edge-platform/anomalib
  • https://huggingface.co/Qwen/Qwen2.5-0.5B
  • https://github.com/mc260/meter-vision

电力与安监数据

  • https://ieee-dataport.org/open-access/insulator-data-set-chinese-power-line-insulator-dataset-cplid
  • https://github.com/InsulatorData/InsulatorDataSet
  • https://github.com/andreluizbvs/InsPLAD
  • https://data.mendeley.com/datasets/5n3fjgvfyz/1
  • https://github.com/phd-benel/MPID
  • https://github.com/R3ab/ttpla_dataset
  • https://github.com/njvisionpower/Safety-Helmet-Wearing-Dataset
  • https://docs.ultralytics.com/datasets/detect/construction-ppe/
  • https://github.com/gaiasd/DFireDataset

工业与零售

  • https://faculty.neu.edu.cn/songkechen/zh_CN/zdylm/263270/list/
  • https://github.com/tangsanli5201/DeepPCB
  • https://www.nature.com/articles/s41597-024-03656-8
  • https://www.mvtec.com/company/research/datasets/mvtec-ad
  • https://github.com/Charmve/Surface-Defect-Detection
  • https://github.com/eg4000/SKU110K_CVPR19
  • https://www.armbench.com/
  • https://registry.opendata.aws/amazon-bin-imagery/

交通与通用视觉

  • https://xingangpan.github.io/projects/CULane.html
  • https://github.com/detectRecog/CCPD
  • https://benchmark.ini.rub.de/?section=gtsrb
  • https://bair.berkeley.edu/blog/2018/05/30/bdd/
  • https://github.com/VisDrone/VisDrone-Dataset
  • https://cocodataset.org/

农业、医疗、TinyML

  • https://github.com/spMohanty/PlantVillage-Dataset
  • https://github.com/AlexOlsen/DeepWeeds
  • https://github.com/cropandweed/cropandweed-dataset
  • https://github.com/AnimalEyeQ/CattleEyeView
  • https://medmnist.com/
  • https://github.com/MedMNIST/MedMNIST
  • https://github.com/esl-epfl/biomedbench
  • https://huggingface.co/datasets/google/speech_commands
  • https://docs.edgeimpulse.com/tutorials/end-to-end/keyword-spotting
  • https://universe.roboflow.com/roboflow-100

文档结束。链接状态以检索当日为准；写入飞书前建议对关键商用条目再点开 LICENSE 复核一次。

← 边缘 AI 开源平台分类深挖（2026-10） 首页 边缘 AI 扩收集目录：公开数据集 + 部署中间件 →