linux 忘记root密码的解决办法

一、基础信息数据集名称：绝缘子缺陷检测数据集图片数量：- 训练集：1,684张图片- 验证集：303张图片- 测试集：152张图片- 总计：2,139张航拍电力设备图片分类类别：- Glassdirty（玻璃脏污）：绝缘子表面污垢沉积- Glassloss（玻璃破损）：绝缘子玻璃体结构性损坏- Polymer（聚合物）：复合绝缘材料- Polymerdirty（聚合物脏污）：复合绝缘材料表面污染- Two glass（双玻璃）：双伞裙绝缘子结构- broken disc（破碎盘片）：绝缘子盘片断裂- insulator（绝缘子）：正常绝缘子本体- pollution-flashover（污闪）：污秽导致的闪络现象- snow（积雪）：绝缘子覆雪状态标注格式：YOLO格式边界框标注数据特性：航拍视角的电力设备图像，聚焦绝缘子各类缺陷状态二、适用场景1. 电力设备智能巡检系统：无人机巡检图像分析，自动识别绝缘子破裂、污秽、覆雪等缺陷电网安全风险预警，预防污闪事故1. 无人机巡检图像分析，自动识别绝缘子破裂、污秽、覆雪等缺陷1. 电网安全风险预警，预防污闪事故1. 电力设施维护管理：辅助制定绝缘子清洗/更换计划恶劣天气后设备状态快速评估1. 辅助制定绝缘子清洗/更换计划1. 恶劣天气后设备状态快速评估1. 能源设备缺陷研究：开发基于深度学习的绝缘子缺陷分类模型电力设备老化模式分析算法开发1. 开发基于深度学习的绝缘子缺陷分类模型1. 电力设备老化模式分析算法开发1. 智慧能源解决方案：集成至变电站智能监控系统输电线路健康状态自动化评估平台1. 集成至变电站智能监控系统1. 输电线路健康状态自动化评估平台三、数据集优势缺陷覆盖全面：- 包含9类绝缘子关键缺陷状态，涵盖机械损伤（破碎盘片）、环境污染（玻璃脏污）、天气影响（积雪）等全场景故障模式- 包含正常绝缘子样本，支持正负样本对比学习真实场景价值：- 数据源自实际电力巡检场景，包含复杂背景下的航拍视角- 覆盖不同光照和天气条件下的绝缘子状态，增强模型鲁棒性标注与任务适配性：- 标准化YOLO格式标注，即插即用主流检测框架（YOLOv5/v8等）- 专注目标检测任务，支持绝缘子定位与缺陷分类双目标学习- 类别设计符合电力行业缺陷分类标准，可直接部署业务系统

esp8266库文件，包含 esp8266WiFi.h等文件