《電力人工智能訓(xùn)練數(shù)據(jù)集歸集標準》標準

T/CEC

中國電力企業(yè)聯(lián)合會標準

T/CEC2022-1139

電力人工智能訓(xùn)練數(shù)據(jù)集歸集標準

（征求意見稿）

20XX—XX—XX發(fā)布20XX—XX—XX實施

中國電力企業(yè)聯(lián)合會發(fā)布

T/CEC

前言

本文件按照GB/T1.1-2020《標準化工作導(dǎo)則第1部分：標準化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起

草。

請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機構(gòu)不承擔(dān)識別這些專利的責(zé)任。

本文件由中國電力企業(yè)聯(lián)合會提出。

本文件由***技術(shù)委員會歸口。

本文件起草單位：南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司

本文件主要起草人：

本文件首次發(fā)布。

本文件在執(zhí)行過程中的意見或建議反饋至中國電力企業(yè)聯(lián)合會標準化管理中心（北京市白廣路二條

一號，100761）

II

T/CEC

電力人工智能訓(xùn)練數(shù)據(jù)集歸集標準

1范圍

人工智能圖像、語音訓(xùn)練數(shù)據(jù)集歸集標準明確了電力企業(yè)人工智能訓(xùn)練數(shù)據(jù)標注工作涉及的數(shù)據(jù)收

集整理、標注環(huán)境及工具選用、標注任務(wù)執(zhí)行、標注結(jié)果質(zhì)量控制、標注結(jié)果交付等技術(shù)要求。

本標準適用于電力業(yè)務(wù)場景下的人工智能訓(xùn)練數(shù)據(jù)集歸集。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，

僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本

文件。

GB/T38318-2019《電力監(jiān)控系統(tǒng)網(wǎng)絡(luò)安全評估指南》

GB/T15237.1《術(shù)語工作詞匯第1部分：理論與應(yīng)用》

GB/T5271.1《信息技術(shù)詞匯第1部分：基本術(shù)語》

GB/T5271.28《信息技術(shù)詞匯第28部分：人工智能基本概念與專家系統(tǒng)》

GB/T5271.29《信息技術(shù)詞匯第29部分：人工智能語音識別與合成》

GB/T5271.31《信息技術(shù)詞匯第31部分：人工智能機器學(xué)習(xí)》

GB/T5271.34《信息技術(shù)詞匯第34部分：人工智能神經(jīng)網(wǎng)絡(luò)》

3術(shù)語和定義

下列術(shù)語和定義適用于本文件。

3.1

智能組件intelligentcomponent

智能組件是基于人工智能對數(shù)據(jù)和函數(shù)的封裝。包括調(diào)用API組件、下載的工具組件、SDK組件。

3.2

圖像分類imageclassification

圖像分類通過手工特征或特征學(xué)習(xí)方法對整個圖像進行全部描述，然后使用分類器判別物體類別。

3.3

光學(xué)字符識別opticalcharacterrecognition(OCR)

光學(xué)字符識別，是指利用深度學(xué)習(xí)技術(shù)，將圖片上的文字內(nèi)容，智能識別成為可編輯的文本。

3.4

語音speech

某一給定自然語言的話音、模式、或模擬這類模式的聲學(xué)信號。

3.5

語音識別speechrecognition

通過功能單元對人的語音所表示信息的感知與分析。要識別的信息可以是預(yù)定義的字序列中的一個

字，或是預(yù)定義的語言中的一個音素，有時可通過說話者的聲音特征對說話者進行標識。

3.6

1

T/CEC

數(shù)據(jù)標注dataannotation

對文本、圖像、語音、視頻等待標注數(shù)據(jù)進行歸類、整理、編輯、糾錯、標記和批注等操作，為待

標注數(shù)據(jù)增加標簽，生成滿足機器學(xué)習(xí)訓(xùn)練要求的機器可讀數(shù)據(jù)編碼。

3.7

標簽label

標識數(shù)據(jù)的特征、類別和屬性等，可用于建立數(shù)據(jù)及機器學(xué)習(xí)訓(xùn)練要求所定義的機器可讀數(shù)據(jù)編碼

間的聯(lián)系。

3.8

標注任務(wù)annotationtask

按照數(shù)據(jù)標注規(guī)范對指定數(shù)據(jù)集進行標注的過程。

3.9

標注工具annotationtool

數(shù)據(jù)標注員完成標注任務(wù)產(chǎn)生標注結(jié)果時所需的工具和軟件。標注工具可生成標簽并提供參考模板。

不同的數(shù)據(jù)類型和標注任務(wù)需要不同的標注工具。標注工具按自動化程度可分為全人工標注、半自動標

注。

3.10

標注平臺annotationplatform

開展標注任務(wù)的系統(tǒng)化框架。標注平臺在包含標注工具全部功能的基礎(chǔ)上將所有標注環(huán)節(jié)工具化，

可有效地對標注任務(wù)進行全局管理和跟蹤。

3.11

標注描述說明annotationinstruction

數(shù)據(jù)需求方用于明確標注任務(wù)和標注數(shù)據(jù)的書面陳述，包含執(zhí)行標注任務(wù)所需的標注工具、任務(wù)描

述、標注方法、正確示例、常見錯誤等內(nèi)容。

3.12

標注方法annotationmethod

定義數(shù)據(jù)標注員進行數(shù)據(jù)標注時的環(huán)境和流程，應(yīng)包含標注對象定義、所用標注工具和標注平臺、

標注格式、標注前的準備工作、標注后的處理工作等。

3.13

全人工標注full-manualannotation

指完全依靠人力對全部待標注數(shù)據(jù)進行標注。

3.14

半自動標注semi-automaticannotation

使用人工結(jié)合自動化工具或訓(xùn)練模型的方式進行數(shù)據(jù)標注。

3.15

結(jié)果文件resultfile

指待標注數(shù)據(jù)在完成標注工作后產(chǎn)生帶有標簽信息的文件。

3.16

2

T/CEC

數(shù)據(jù)標注員datalabeler

負責(zé)對文本、圖像、語音、視頻等待標注數(shù)據(jù)進行歸類、整理、編輯、糾錯、標記和批注等操作的

工作人員。

4標注任務(wù)技術(shù)說明文件要求

在進行相關(guān)機器學(xué)習(xí)數(shù)據(jù)標注任務(wù)前，應(yīng)明確本次標注工作的技術(shù)標準，生成詳細的技術(shù)說明文件。

標注任務(wù)的技術(shù)說明文件應(yīng)包含本次描述文件的版本信息、標注工作的任務(wù)背景、標注數(shù)據(jù)的應(yīng)用場景、

標注數(shù)據(jù)的類型、標注方式、導(dǎo)入導(dǎo)出格式、標注結(jié)果格式、標注結(jié)果可選值、標注工作的實施環(huán)境、

數(shù)據(jù)保密規(guī)則、標注的正確示例、標注的錯誤示例以及術(shù)語體系規(guī)范化要求。

（1）版本信息

描述說明文件應(yīng)詳細記錄說明文件當(dāng)前的版本、編輯時間、通過審批時間、修訂時間等。

（2）工作背景

概括性描述本次任務(wù)的產(chǎn)生原因、標注數(shù)據(jù)的來源等。

（3）數(shù)據(jù)應(yīng)用場景

概括性描述本次數(shù)據(jù)標注完成后的應(yīng)用方式或應(yīng)用場景。

（4）數(shù)據(jù)類型

確定本次標注數(shù)據(jù)的數(shù)據(jù)類型如圖片、文字、語音、視頻等，提供數(shù)據(jù)類型展示實例。

（5）標注方式

明確本次采用全人工或半人工方式進行標注并確定需要使用的工具。

（6）導(dǎo)入導(dǎo)出格式

應(yīng)明確提出本次待標注數(shù)據(jù)導(dǎo)入或?qū)С鰳俗⒐ぞ叩母袷健?/p>

（7）標注結(jié)果格式

應(yīng)明確提出本次標注結(jié)果輸出格式。

（8）標注結(jié)果可選值

如標注結(jié)果存在可選值范圍，應(yīng)明確列出。

（9）實施環(huán)境

描述標注工作的實施環(huán)境，如電力行業(yè)的敏感數(shù)據(jù)應(yīng)在內(nèi)網(wǎng)環(huán)境下進行標注工作，而非敏感數(shù)據(jù)則

可以到相關(guān)方任何的標注環(huán)境中進行標注。

（10）標注正確示例

應(yīng)提供標注任務(wù)正確標注或有效標注的實例。

（11）標注錯誤示例

應(yīng)提供標注任務(wù)錯誤標注或無效標注的實例。

（12）數(shù)據(jù)保密規(guī)則

應(yīng)根據(jù)《數(shù)據(jù)資產(chǎn)管理辦法》判定數(shù)據(jù)是否涉密，并根據(jù)規(guī)定對標注數(shù)據(jù)進行保護。

（13）標注開始時間

描述本次標注任務(wù)的具體開始時間。

（14）期望交付時間

3

T/CEC

描述本次標注任務(wù)的期望交付時間。

（15）術(shù)語體系規(guī)范化要求

在標注過程中使用的術(shù)語體系需要規(guī)范化，至少應(yīng)滿足下列要求：

1）應(yīng)遵從國家法規(guī)和行業(yè)規(guī)范。

2）應(yīng)符合企業(yè)內(nèi)部管理規(guī)范及要求。

3）應(yīng)建立統(tǒng)一的標注術(shù)語字典，確保數(shù)據(jù)標注人員對術(shù)語定義的理解一致。

4）在學(xué)習(xí)標注說明規(guī)則及進行相應(yīng)的培訓(xùn)后，數(shù)據(jù)標注人員能夠規(guī)范地使用標注術(shù)語完成任務(wù)。

5）應(yīng)被標注任務(wù)的發(fā)布方及相關(guān)方認可。

5待標注數(shù)據(jù)整理技術(shù)要求

5.1電力業(yè)務(wù)數(shù)據(jù)收集

標注數(shù)據(jù)收集工作應(yīng)以業(yè)務(wù)為導(dǎo)向開展，主要涉及生產(chǎn)領(lǐng)域圖像、視頻、點云數(shù)據(jù)，營銷場景語音、

文本等，根據(jù)標注任務(wù)的業(yè)務(wù)場景、標注樣本或前期經(jīng)驗進行數(shù)據(jù)收集分析，數(shù)據(jù)收集需明確的要素包

括但不限于類型、量級、數(shù)據(jù)涉密程度、工作量估算、用途及應(yīng)用場景。

5.1.1類型

應(yīng)明確標注數(shù)據(jù)類型如圖像、音頻、文本、視頻等。

5.1.2量級

本次標注任務(wù)待標注數(shù)據(jù)的數(shù)量。

5.1.3來源業(yè)務(wù)系統(tǒng)

本次標注任務(wù)數(shù)據(jù)所產(chǎn)生的源業(yè)務(wù)系統(tǒng)，一般生產(chǎn)類數(shù)據(jù)來自電網(wǎng)管理平臺相關(guān)應(yīng)用系統(tǒng)，營銷類

數(shù)據(jù)來自客戶服務(wù)平臺相關(guān)應(yīng)用系統(tǒng)，例如變電站設(shè)備、表計讀數(shù)圖像來自變電站智能巡檢系統(tǒng)、95598

語音數(shù)據(jù)來自95598智能客服系統(tǒng)等。

5.1.4數(shù)據(jù)產(chǎn)生方式

本次標注任務(wù)數(shù)據(jù)的產(chǎn)生方式，如客戶來電錄音、服務(wù)工單等。

5.1.5數(shù)據(jù)文件命名規(guī)則

本次標注任務(wù)數(shù)據(jù)文件的命名規(guī)律或規(guī)范說明。

5.1.6數(shù)據(jù)保密程度

應(yīng)根據(jù)《數(shù)據(jù)資產(chǎn)管理辦法》判定數(shù)據(jù)是否涉密。

5.1.7用途

確認標注結(jié)果將作為模型的測試集或訓(xùn)練集。

5.1.8應(yīng)用場景

確認標注結(jié)果的應(yīng)用場景如絕緣子的破損檢測、施工人員人臉識別、設(shè)備儀表數(shù)值狀態(tài)檢測等。

5.1.9標注領(lǐng)域

應(yīng)明確標注領(lǐng)域，如圖片分類、語音識別、語音匹配等。

5.1.10工作量估算

根據(jù)標注數(shù)據(jù)的類型、量級、用途、標注任務(wù)人員來源、標注平臺、標注組件等要素確定本次任務(wù)

工作量。

5.2電力業(yè)務(wù)數(shù)據(jù)整理

4

T/CEC

在進行標注數(shù)據(jù)整理過程中，應(yīng)明確數(shù)據(jù)與結(jié)果文件存放目錄結(jié)構(gòu)，在任務(wù)分配與回收的時候按指

定的目錄進行數(shù)據(jù)組織，數(shù)據(jù)的整理應(yīng)體現(xiàn)業(yè)務(wù)需求，存放整理后有利于根據(jù)業(yè)務(wù)開展后續(xù)工作，例如

生產(chǎn)域不同類型場景分別存放，同樣場景一起存放。

數(shù)據(jù)整理應(yīng)符合以下要求：

（1）文件夾及各級子目錄名稱首選簡潔的拼音首字母組合標識。

（2）數(shù)據(jù)整理目錄首選按照類別分類，簡化目錄級別。

（3）子目錄等級最深不超過4級。

5.3電力業(yè)務(wù)數(shù)據(jù)文件命名規(guī)則

標注任務(wù)的數(shù)據(jù)文件及結(jié)果文件命名規(guī)則應(yīng)符合以下要求：

（1）要標注的文件名稱應(yīng)簡短（最長不能超過32個字符）且只能包含字母、數(shù)字、下劃線、中

間杠。

（2）待標注數(shù)據(jù)文件與結(jié)果文件命名應(yīng)進行區(qū)分，數(shù)據(jù)文件應(yīng)使用“data_”為前綴，結(jié)果文件應(yīng)

使用“result_”為前綴。

（3）為避免出現(xiàn)標注數(shù)據(jù)重名，應(yīng)在基礎(chǔ)文件名后添加唯一標識碼，標識碼生成應(yīng)按十進制順序

遞增規(guī)則生成四位數(shù)或以上唯一標識碼，如：000001、000002、000003等等，標識碼具體位數(shù)可根據(jù)

文件數(shù)據(jù)量級進行增加。

6標注環(huán)境及工具選用要求

6.1標注環(huán)境選擇標準

數(shù)據(jù)標注任務(wù)具有一定特殊性，部分企業(yè)內(nèi)部數(shù)據(jù)具有較高保密要求，應(yīng)根據(jù)《數(shù)據(jù)資產(chǎn)管理辦法》

規(guī)定對標注環(huán)境進行選擇。

應(yīng)根據(jù)標注數(shù)據(jù)不同涉密情況選擇以下環(huán)境進行標注：

（1）涉密數(shù)據(jù)：標注工作應(yīng)在可信任的企業(yè)內(nèi)部環(huán)境或任務(wù)發(fā)布方指定的可信任外部環(huán)境下進行。

（2）非涉密數(shù)據(jù)：標注團隊可根據(jù)具體情況選擇標注環(huán)境。

6.2標注工具選擇標準

在進行相關(guān)數(shù)據(jù)標注工作過程中，選擇標注工具應(yīng)符合安全性、易操作性、數(shù)據(jù)輸入輸出規(guī)范性、

統(tǒng)一性以及合法性標準。

6.2.1安全性

應(yīng)選用安全可信的標注工具進行標注工作，避免數(shù)據(jù)泄露造成安全事故。

6.2.2易操作性

標注工具應(yīng)具有提高標注效率的功能，在減少標注人員工作量的同時確保標注質(zhì)量。

6.2.3數(shù)據(jù)輸入輸出規(guī)范性

標注工具應(yīng)支持導(dǎo)入及導(dǎo)出功能，可導(dǎo)入指定格式的數(shù)據(jù)。可導(dǎo)出符合要求格式及質(zhì)量要求的數(shù)據(jù)。

6.2.4統(tǒng)一性

標注工具應(yīng)優(yōu)先選用企業(yè)統(tǒng)一的人工智能平臺提供的標注工具，若平臺未包含特定數(shù)據(jù)類型的標注

工具，可選用其他標注工具進行標注，但同類型的數(shù)據(jù)標注工作應(yīng)優(yōu)先采用同款標注工具進行標示，確

保輸入輸出格式的統(tǒng)一。

6.2.5合法性

標注工具或平臺應(yīng)具備資質(zhì)/資格證書、許可證、版權(quán)等。

7標注任務(wù)執(zhí)行技術(shù)要求

7.1標注子任務(wù)創(chuàng)建

5

T/CEC

進行數(shù)據(jù)標注子任務(wù)創(chuàng)建時，應(yīng)按照不同類別或任務(wù)編號對標注數(shù)據(jù)進行整理及劃分，方便標注團

隊按自身任務(wù)獲取對應(yīng)標注數(shù)據(jù)。

數(shù)據(jù)標注子任務(wù)目標說明宜采用文件形式進行描述，應(yīng)至少包含明確的標注任務(wù)信息、標注方式指

引以及標注結(jié)果存放位置。

7.1.1明確的標注任務(wù)信息

包括本次標注的主要目標、標注需求（需要完成的標注數(shù)據(jù)量級、任務(wù)的優(yōu)先級，對標注結(jié)果質(zhì)量

的要求、對標注完成時間的要求）、任務(wù)描述等。

7.1.2標注方式指引

根據(jù)當(dāng)前標注數(shù)據(jù)的任務(wù)，明確標注方式（全人工或半人工）、標注工具、標注環(huán)境的指引，方便

標注人員開展標注任務(wù)。

7.1.3標注結(jié)果存放位置

指定標注完成后的結(jié)果存放位置，方便標注結(jié)果的收集。

7.2標注數(shù)據(jù)移交

進行標注數(shù)據(jù)移交工作前，應(yīng)先根據(jù)公司《數(shù)據(jù)資產(chǎn)管理辦法》確認標注數(shù)據(jù)是否涉密再確定數(shù)據(jù)

移交方式。標注數(shù)據(jù)的移交工作應(yīng)至少符合以下技術(shù)要求：

7.2.1使用可信存儲設(shè)備

包括使用可信的辦公電腦、安全移動硬盤、安全U盤進行標注文件的轉(zhuǎn)移及提交。

7.2.2使用可信內(nèi)部網(wǎng)絡(luò)

包括使用可信的內(nèi)部網(wǎng)絡(luò)進行標注數(shù)據(jù)的傳輸、使用安全可信的內(nèi)部溝通工具進行文件發(fā)送、使用

可信的軟件平臺進行上傳及下載、使用已加密的共享目錄進行數(shù)據(jù)共享。

7.3標注任務(wù)分發(fā)

根據(jù)標注發(fā)布者確定的要求及任務(wù)描述，應(yīng)按之前的數(shù)據(jù)標注子任務(wù)目標說明把任務(wù)分派給標注人

員。標注任務(wù)發(fā)布者在進行標注數(shù)據(jù)分發(fā)時，宜采用文件形式，說明宜包括人員數(shù)量、任務(wù)數(shù)量、任務(wù)

節(jié)點、回收時間、結(jié)束時間以及標注任務(wù)開展方式等相關(guān)信息。

7.3.1人員數(shù)量

本次參與標注任務(wù)的標注人員數(shù)量。

7.3.2任務(wù)數(shù)量

本次任務(wù)主體劃分后的子任務(wù)數(shù)量。

7.3.3任務(wù)節(jié)點

每位數(shù)據(jù)標注人員需完成的任務(wù)總數(shù)及每個時間節(jié)點要求完成的任務(wù)數(shù)。

7.3.4回收時間

任務(wù)目標回收時間及最遲回收時間。

7.3.5結(jié)束時間

任務(wù)整體結(jié)束時間。

7.4標注任務(wù)開展方式

在標注任務(wù)開展過程中，標注方式分為全人工方式標注及半人工方式標注兩種方式，選擇的標注方

式區(qū)別如下：

7.4.1全人工標注

6

T/CEC

全人工標注的方式指全部待標注的數(shù)據(jù)均由標注人員進行審核分類及標注。

7.4.2半人工標注方式

半人工標注方式指使用有一定判斷能力訓(xùn)練模型，對待標注數(shù)據(jù)進行分類，標注人員只對模型識別

準確率較低或無法進行識別的數(shù)據(jù)進行人工識別。

8結(jié)果質(zhì)量保障技術(shù)要求

8.1結(jié)果質(zhì)量檢查

在標注任務(wù)開展及回收的過程中，應(yīng)對標注結(jié)果進行質(zhì)量控制以確保最終的標注結(jié)果，達到交付標

準。標注結(jié)果的質(zhì)量檢查方法分為按比例抽查和機器驗證。

8.1.1按比例抽查

按本次任務(wù)的準確度要求情況確定抽樣比例，對抽樣的標注結(jié)果進行人工檢查。

8.1.2機器驗證

通過已訓(xùn)練的模型對標注結(jié)果進行檢查，對于機器標注與人工標注有差異的標注結(jié)果進行人工檢查。

8.2質(zhì)量控制

在標注任務(wù)開展過程中，除需要進行質(zhì)量檢查外，還需對標注結(jié)果進行質(zhì)量控制。質(zhì)量檢查主要針

對標注結(jié)果，而質(zhì)量控制主要面向標注過程，實時確保標注工作能產(chǎn)生預(yù)期結(jié)果。

標注任務(wù)質(zhì)量控制方式可選用多人驗證和埋題驗證兩種方式進行。

8.2.1多人驗證

相同任務(wù)安排給不同的標注人員，關(guān)注標注結(jié)果不一致的情況。

8.2.2埋題驗證

預(yù)先在任務(wù)中插入已知結(jié)果的標注任務(wù)，當(dāng)完成標注任務(wù)時與已知結(jié)果進行比對，關(guān)注與已知結(jié)果

不一致的情況。

9結(jié)果交付技術(shù)要求

9.1數(shù)據(jù)標注結(jié)果通用技術(shù)要求

標注結(jié)果輸出格式應(yīng)使用易閱讀、易解析、易存儲的數(shù)據(jù)格式，格式包括但不限于excel、json

或xml等。輸出的結(jié)果文件應(yīng)包含以下內(nèi)容：

9.1.1標簽編號

每個標注對象的獨立編號。

9.1.2標注人員

進行該對象標注的標注人員信息。

9.1.3標注審核人員

進行該標注結(jié)果審核的人員信息。

9.1.4原始待標注文件路徑

待標注對象的名稱或路徑。

9.1.5標注結(jié)果文件存放路徑

標注完成的結(jié)果存放路徑。

7

T/CEC

9.1.6置信度

標簽的置信度。

9.1.7備注

對該標注對象的補充說明信息。

9.2常見數(shù)據(jù)類型標注結(jié)果技術(shù)要求

常見數(shù)據(jù)類型包括圖像類型數(shù)據(jù)、文本類型數(shù)據(jù)以及語音類型數(shù)據(jù)。

9.2.1圖像類型數(shù)據(jù)標注結(jié)果技術(shù)要求

針對標注任務(wù)，進行圖像類標注任務(wù)時，標注結(jié)果應(yīng)包含圖片信息標簽及標簽的具體圖像范圍與位

置（范圍與位置可用矩形工具標出）。

圖像類型數(shù)據(jù)標注結(jié)果文件應(yīng)包含以下內(nèi)容：

（1）圖像對象類型：比如bounding_box或者keypoint。

（2）圖像對象詳情：為對象的空間信息、內(nèi)容信息，或與其它對象的關(guān)系信息。每個對象的詳情

因其類型而異。

9.2.2文本類型數(shù)據(jù)標注結(jié)果技術(shù)要求

針對標注任務(wù)，進行文本類標注任務(wù)時，標注結(jié)果應(yīng)包含文本的意圖匹配結(jié)果標識，有多個匹配結(jié)

果的應(yīng)全部進行記錄并確定置信度最高的匹配標簽。

文本類型數(shù)據(jù)標注結(jié)果文件應(yīng)包含以下內(nèi)容：

（1）文本對象類型：比如text_classification或者text_tag。

（2）文本對象詳情：對象的具體文本位置、分類信息、匹配信息，或與其它對象的關(guān)系信息。每

個對象的詳情因其類型而異。

9.2.3語音類型數(shù)據(jù)標注結(jié)果技術(shù)要求

語音類標注任務(wù)的數(shù)據(jù)結(jié)果應(yīng)包含但不限于語音標簽的時間位置、轉(zhuǎn)寫內(nèi)容、話者分離信息、話者

語速等信息。

語音類型數(shù)據(jù)標注結(jié)果文件應(yīng)包含以下內(nèi)容：

（1）語音對象類型：比如speech_to_text。

（2）語音對象詳情：包括對象具體時間位置和轉(zhuǎn)譯內(nèi)容信息，或與其他對象的關(guān)系信息，每個對

象的詳情因其類型而異，話者分離信息以及噪音標簽等如存在，則都應(yīng)在對象詳情中記錄。

9.3數(shù)據(jù)交付技術(shù)參數(shù)要求

數(shù)據(jù)標注任務(wù)交付時應(yīng)向任務(wù)發(fā)布方提供技術(shù)參數(shù)如下：

9.3.1計劃標注數(shù)

統(tǒng)計本次標注任務(wù)原計劃標注的數(shù)據(jù)總數(shù)。

9.3.2實際標注數(shù)

統(tǒng)計本次標注任務(wù)實際完成的標注數(shù)據(jù)總數(shù)。

9.3.3異?；驘o效數(shù)據(jù)數(shù)

統(tǒng)計本次標注任務(wù)過程中發(fā)現(xiàn)的異?；驘o效數(shù)據(jù)總數(shù)。

9.3.4異?；驘o效數(shù)據(jù)說明

描述本次標注任務(wù)過程中發(fā)現(xiàn)的異?；驘o效數(shù)據(jù)情況。

9.3.5標注數(shù)據(jù)類型

描述本次標注任務(wù)的標注數(shù)據(jù)類型。

8

T/CEC

9.3.6標注環(huán)境

描述本次標注任務(wù)的實際標注環(huán)境。

9.3.7標注工具

描述本次標注任務(wù)的實際使用的標注工具。

9.3.8標注人員

描述本次標注任務(wù)實際使用的標注人員情況。

9.3.9標注審核人員

描述本次標注任務(wù)標注結(jié)果審核人員的情況。

9.3.10數(shù)據(jù)總體置信度

統(tǒng)計本次標注任務(wù)標注結(jié)果的總體置信度。

9.3.11標注結(jié)果交付方式

描述本次標注任務(wù)完成后標注結(jié)果的交付方式。

9.3.12標注數(shù)據(jù)質(zhì)檢結(jié)果

描述本次標注任務(wù)的標注結(jié)果質(zhì)量檢查情況。

9.3.13標注開始時間

描述本次標注任務(wù)的實際開始時間。

9.3.14標注交付時間

描述本次標注任務(wù)的實際完成及交付時間。

10安全技術(shù)要求

（1）應(yīng)根據(jù)企業(yè)《數(shù)據(jù)資產(chǎn)管理辦法》對標注數(shù)據(jù)是否涉密進行判定，并根據(jù)辦法對標注數(shù)據(jù)進行

保護。

（2）本標準的任何技術(shù)要求和工作均應(yīng)符合電力企業(yè)信息化建設(shè)與網(wǎng)絡(luò)安全管理原則要求。

9

T/CEC

目次

前言..............................................................................II

1.范圍................................................................................1

2.規(guī)范性引用文件......................................................................1

3.術(shù)語和定義..........................................................................1

4.標注任務(wù)技術(shù)說明要求................................................................3

5.待標注數(shù)據(jù)整理技術(shù)要求..............................................................4

5.1.電力業(yè)務(wù)數(shù)據(jù)收集................................................................4

5.2.電力業(yè)務(wù)數(shù)據(jù)整理................................................................4

5.3.電力業(yè)務(wù)數(shù)據(jù)文件命名規(guī)則........................................................5

6.標注環(huán)境及工具選用要求...............................................................5

6.1.標注環(huán)境選擇標準................................................................5

6.2.標注工具選擇標準................................................................5

7.標注任務(wù)執(zhí)行技術(shù)要求.................................................................5

7.1.標注子任務(wù)創(chuàng)建..................................................................5

7.2.標注數(shù)據(jù)移交....................................................................6

7.3.標注任務(wù)分發(fā)....................................................................6

7.4.標注任務(wù)開展....................................................................6

8.結(jié)果質(zhì)量保障技術(shù)要求................................................................7

8.1.質(zhì)量檢查........................................................................7

8.2.質(zhì)量控制........................................................................7

9.結(jié)果交付技術(shù)要求....................................................................7

9.1.數(shù)據(jù)標注結(jié)果通用技術(shù)要求........................................................7

9.2.常見數(shù)據(jù)類型標注結(jié)果技術(shù)要求....................................................8

9.3.數(shù)據(jù)交付技術(shù)參數(shù)要求............................................................8

10.安全技術(shù)要求........................................................................9

I

T/CEC

電力人工智能訓(xùn)練數(shù)據(jù)集歸集標準

1范圍

人工智能圖像、語音訓(xùn)練數(shù)據(jù)集歸集標準明確了電力企業(yè)人工智能訓(xùn)練數(shù)據(jù)標注工作涉及的數(shù)據(jù)收

集整理、標注環(huán)境及工具選用、標注任務(wù)執(zhí)行、標注結(jié)果質(zhì)量控制、標注結(jié)果交付等技術(shù)要求。

本標準適用于電力業(yè)務(wù)場景下的人工智能訓(xùn)練數(shù)據(jù)集歸集。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，

僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本

文件。

GB/T38318-2019《電力監(jiān)控系統(tǒng)網(wǎng)絡(luò)安全評估指南》

GB/T15237.1《術(shù)語工作詞匯第1部分：理論與應(yīng)用》

GB/T5271.1《信息技術(shù)詞匯第1部分：基本術(shù)語》

GB/T5271.28《信息技術(shù)詞匯第28部分：人工智能基本概念與專家系統(tǒng)》

GB/T5271.29《信息技術(shù)詞匯第29部分：人工智能語音識別與合成》

GB/T5271.31《信息技術(shù)詞匯第31部分：人工智能機器學(xué)習(xí)》

GB/T5271.34《信息技術(shù)詞匯第34部分：人工智能神經(jīng)網(wǎng)絡(luò)》

3術(shù)語和定義

下列術(shù)語和定義適用于本文件。

3.1

智能組件intelligentcomponent

智能組件是基于人工智能對數(shù)據(jù)和函數(shù)的封裝。包括調(diào)用API組件、下載的工具組件、SDK組件。

3.2

圖像分類imageclassification

圖像分類通過手工特征或特征學(xué)習(xí)方法對整個圖像進行全部描述，然后使用分類器判別物體類別。

3.3

光學(xué)字符識別opticalcharacterrecognition(OCR)

光學(xué)字符識別，是指利用深度學(xué)習(xí)技術(shù)，將圖片上的文字內(nèi)容，智能識別成為可編輯的文本。

3.4

語音speech

某一給定自然語言的話音、模式、或模擬這類模式的聲學(xué)信號。

3.5

語音識別speechrecognition

通過功能單元對人的語音所表示信息的感知與分析。要識別的信息可以是預(yù)定義的字序列中的一個

字，或是預(yù)定義的語言中的一個音素，有時可通過說話者的聲音特征對說話者進行標識。

3.6

1

T/CEC

數(shù)據(jù)標注dataannotation

對文本、圖像、語音、視頻等待標注數(shù)據(jù)進行歸類、整理、編輯、糾錯、標記和批注等操作，為待

標注數(shù)據(jù)增加標簽，生成滿足機器學(xué)習(xí)訓(xùn)練要求的機器可讀數(shù)據(jù)編碼。

3.7

標簽label

標識數(shù)據(jù)的特征、類別和屬性等，可用于建立數(shù)據(jù)及機器學(xué)習(xí)訓(xùn)練要求所定義的機器可讀數(shù)據(jù)編碼

間的聯(lián)系。

3.8

標注任務(wù)annotationtask

按照數(shù)據(jù)標注規(guī)范對指定數(shù)據(jù)集進行標注的過程。

3.9

標注工具annotationtool

數(shù)據(jù)標注員完成標注任務(wù)產(chǎn)生標注結(jié)果時所需的工具和軟件。標注工具可生成標簽并提供參考模板。

不同的數(shù)據(jù)類型和標注任務(wù)需要不同的標注工具。標注工具按自動化程度可分為全人工標注、半自動標

注。

3.10

標注平臺annotationplatform

開展標注任務(wù)的系統(tǒng)化框架。標注平臺在包含標注工具全部功能的基礎(chǔ)上將所有標注環(huán)節(jié)工具化，

可有效地對標注任務(wù)進行全局管理和跟蹤。

3.11

標注描述說明annotationinstruction

數(shù)據(jù)需求方用于明確標注任務(wù)和標注數(shù)據(jù)的書面陳述，包含執(zhí)行標注任務(wù)所需的標注工具、任務(wù)描

述、標注方法、正確示例、常見錯誤等內(nèi)容。

3.12

標注方法annotationmethod

定義數(shù)據(jù)標注員進行數(shù)據(jù)標注時的環(huán)境和流程，應(yīng)包含標注對象定義、所用標注工具和標注平臺、

標注格式、標注前的準備工作、標注后的處理工作等。

3.13

全人工標注full-manualannotation

指完全依靠人力對全部待標注數(shù)據(jù)進行標注。

3.14

半自動標注semi-automaticannotation

使用人工結(jié)合自動化工具或訓(xùn)練模型的方式進行數(shù)據(jù)標注。

3.15

結(jié)果文件resultfile

指待標注數(shù)據(jù)在完成標注工作后產(chǎn)生帶有標簽信息的文件。

3.16

2

T/CEC

數(shù)據(jù)標注員datalabeler

負責(zé)對文本、圖像、語音、視頻等待標注數(shù)據(jù)進行歸類、整理、編輯、糾錯、標記和批注等操作的

工作人員。

4標注任務(wù)技術(shù)說明文件要求

在進行相關(guān)機器學(xué)習(xí)數(shù)據(jù)標注任務(wù)前，應(yīng)明確本次標注工作的技術(shù)標準，生成詳細的技術(shù)說明文件。

標注任務(wù)的技術(shù)說明文件應(yīng)包含本次描述文件的版本信息、標注工作的任務(wù)背景、標注數(shù)據(jù)的應(yīng)用場景、

標注數(shù)據(jù)的類型、標注方式、導(dǎo)入導(dǎo)出格式、標注結(jié)果格式、標注結(jié)果可選值、標注工作的實施環(huán)境、

數(shù)據(jù)保密規(guī)則、標注的正確示例、標注的錯誤示例以及術(shù)語體系規(guī)范化要求。

（1）版本信息

描述說明文件應(yīng)詳細記錄說明文件當(dāng)前的版本、編輯時間、通過審批時間、修訂時間等。

（2）工作背景

概括性描述本次任務(wù)的產(chǎn)生原因、標注數(shù)據(jù)的來源等。

（3）數(shù)據(jù)應(yīng)用場景

概括性描述本次數(shù)據(jù)標注完成后的應(yīng)用方式或應(yīng)用場景。

（4）數(shù)據(jù)類型

確定本次標注數(shù)據(jù)的數(shù)據(jù)類型如圖片、文字、語音、視頻等，提供數(shù)據(jù)類型展示實例。

（5）標注方式

明確本次采用全人工或半人工方式進行標注并確定需要使用的工具。

（6）導(dǎo)入導(dǎo)出格式

應(yīng)明確提出本次待標注數(shù)據(jù)導(dǎo)入或?qū)С鰳俗⒐ぞ叩母袷健?/p>

（7）標注結(jié)果格式

應(yīng)明確提出本次標注結(jié)果輸出格式。

（8）標注結(jié)果可選值

如標注結(jié)果存在可選值范圍，應(yīng)明確列出。

（9）實施環(huán)境

描述標注工作的實施環(huán)境，如電力行業(yè)的敏感數(shù)據(jù)應(yīng)在內(nèi)網(wǎng)環(huán)境下進行標注工作，而非敏感數(shù)據(jù)則

可以到相關(guān)方任何的標注環(huán)境中進行標注。

（10）標注正確示例

應(yīng)提供標注任務(wù)正確標注或有效標注的實例。

（11）標注錯誤示例

應(yīng)提供標注任務(wù)錯誤標注或無效標注的實例。

（12）數(shù)據(jù)保密規(guī)則

應(yīng)根據(jù)《數(shù)據(jù)資產(chǎn)管理辦法》判定數(shù)據(jù)是否涉密，并根據(jù)規(guī)定對標注數(shù)據(jù)進行保護。

（13）標注開始時間

描述本次標注任務(wù)的具體開始時間。

（14）期望交付時間

3

T/CEC

描述本次標注任務(wù)的期望交付時間。

（15）術(shù)語體系規(guī)范化要求

在標注過程中使用的術(shù)語體系需要規(guī)范化，至少應(yīng)滿足下列要求：

1）應(yīng)遵從國家法規(guī)和行業(yè)規(guī)范。

2）應(yīng)符合企業(yè)內(nèi)部管理規(guī)范及要求。

3）應(yīng)建立統(tǒng)一的標注術(shù)語字典，確保數(shù)據(jù)標注人員對術(shù)語定義的理解一致。

4）在學(xué)習(xí)標注說明規(guī)則及進行相應(yīng)的培訓(xùn)后，數(shù)據(jù)標注人員能夠規(guī)范地使用標注術(shù)語完成任務(wù)。

5）應(yīng)被標注任務(wù)的發(fā)布方及相關(guān)方認可。

5待標注數(shù)據(jù)整理技術(shù)要求

5.1電力業(yè)務(wù)數(shù)據(jù)收集

標注數(shù)據(jù)收集工作應(yīng)以業(yè)務(wù)為導(dǎo)向開展，主要涉及生產(chǎn)領(lǐng)域圖像、視頻、點云數(shù)據(jù)，營銷場景語音、

文本等，根據(jù)標注任務(wù)的業(yè)務(wù)場景、標注樣本或前期經(jīng)驗進行數(shù)據(jù)收集分析，數(shù)據(jù)收集需明確的要素包

括但不限于類型、量級、數(shù)據(jù)涉密程度、工作量估算、用途及應(yīng)用場景。

5.1.1類型

應(yīng)明確標注數(shù)據(jù)類型如圖像、音頻、文本、視頻等。

5.1.2量級

本次標注任務(wù)待標注數(shù)據(jù)的數(shù)量。

5.1.3來源業(yè)務(wù)系統(tǒng)

本次標注任務(wù)數(shù)據(jù)所產(chǎn)生的源業(yè)務(wù)系統(tǒng)，一般生產(chǎn)類數(shù)據(jù)來自電網(wǎng)管理平臺相關(guān)應(yīng)用系統(tǒng)，營銷類

數(shù)據(jù)來自客戶服務(wù)平臺相關(guān)應(yīng)用系統(tǒng)，例如變電站設(shè)備、表計讀數(shù)圖像來自變電站智能巡檢系統(tǒng)、95598

語音數(shù)據(jù)來自95598智能客服系統(tǒng)等。

5.1.4數(shù)據(jù)產(chǎn)生方式

本次標注任務(wù)數(shù)據(jù)的產(chǎn)生方式，如客戶來電錄音、服務(wù)工單等。

5.1.5數(shù)據(jù)文件命名規(guī)則

本次標注任務(wù)數(shù)據(jù)文件的命名規(guī)律或規(guī)范說明。

5.1.6數(shù)據(jù)保密程度

應(yīng)根據(jù)《數(shù)據(jù)資產(chǎn)管理辦法》判定數(shù)據(jù)是否涉密。

5.1.7用途

確認標注結(jié)果將作為模型的測試集或訓(xùn)練集。

5.1.8應(yīng)用場景

確認標注結(jié)果的應(yīng)用場景如絕緣子的破損檢測、施工人員人臉識別、設(shè)備儀表數(shù)值狀態(tài)檢測等。

5.1.9標注領(lǐng)域

應(yīng)明確標注領(lǐng)域，如圖片分類、語音識別、語音匹配等。

5.1.10工作量估算

根據(jù)標注數(shù)據(jù)的類型、量級、用途、標注任務(wù)人員來源、標注平臺、標注組件等要素確定本次任務(wù)

工作量。

5.2電力業(yè)務(wù)數(shù)據(jù)整理

4

T/CEC

在進行標注數(shù)據(jù)整理過程中，應(yīng)明確數(shù)據(jù)與結(jié)果文件存放目錄結(jié)構(gòu)，在任務(wù)分配與回收的時候按指

定的目錄進行數(shù)據(jù)組織，數(shù)據(jù)的整理應(yīng)體現(xiàn)業(yè)務(wù)需求，存放整理后有利于根據(jù)業(yè)務(wù)開展后續(xù)工作，例如

生產(chǎn)域不同類型場景分別存放，同樣場景一起存放。

數(shù)據(jù)整理應(yīng)符合以下要求：

（1）文件夾及各級子目錄名稱首選簡潔的拼音首字母組合標識。

（2）數(shù)據(jù)整理目錄首選按照類別分類，簡化目錄級別。

（3）子目錄等級最深不超過4級。

5.3電力業(yè)務(wù)數(shù)據(jù)文件命名規(guī)則

標注任務(wù)的數(shù)據(jù)文件及結(jié)果文件命名規(guī)則應(yīng)符合以下要求：

（1）要標注的文件名稱應(yīng)簡短（最長不能超過32個字符）且只能包含字母、數(shù)字、下劃線、中

間杠。

（2）待標注數(shù)據(jù)文件與結(jié)果文件命名應(yīng)進行區(qū)分，數(shù)據(jù)文件應(yīng)使用“data_”為前綴，結(jié)果文件應(yīng)

使用“result_”為前綴。

（3）為避免出現(xiàn)標注數(shù)據(jù)重名，應(yīng)在基礎(chǔ)文件名后添加唯一標識碼，標識碼生成應(yīng)按十進制順序

遞增規(guī)則生成四位數(shù)或以上唯一標識碼，如：000001、000002、000003等等，標識碼具體位數(shù)可根據(jù)

文件數(shù)據(jù)量級進行增加。

6標注環(huán)境及工具選用要求

6.1標注環(huán)境選擇標準

數(shù)據(jù)標注任務(wù)具有一定特殊性，部分企業(yè)內(nèi)部數(shù)據(jù)具有較高保密要求，應(yīng)根據(jù)《數(shù)據(jù)資產(chǎn)管理辦法》

規(guī)定對標注環(huán)境進行選擇。

應(yīng)根據(jù)標注數(shù)據(jù)不同涉密情況選擇以下環(huán)境進行標注：

（1）涉密數(shù)據(jù)：標注工作應(yīng)在可信任的企業(yè)內(nèi)部環(huán)境或任務(wù)發(fā)布方指定的可信任外部環(huán)境下進行。

（2）非涉密數(shù)據(jù)：標注團隊可根據(jù)具體情況選擇標注環(huán)境。

6.2標注工具選擇標準

在進行相關(guān)數(shù)據(jù)標注工作過程中，選擇標注工具應(yīng)符合安全性、易操作性、數(shù)據(jù)輸入輸出規(guī)范性、

統(tǒng)一性以及合法性標準。

6.2.1安全性

應(yīng)選用安全可信的標注工具進行標注工作，避免數(shù)據(jù)泄露造成安全事故。

6.2.2易操作性

標注工具應(yīng)具有提高標注效率的功能，在減少標注人員工作量的同時確保標注質(zhì)量。

6.2.3數(shù)據(jù)輸入輸出規(guī)范性

標注工具應(yīng)支持導(dǎo)入及導(dǎo)出功能，可導(dǎo)入指定格式的數(shù)據(jù)。可導(dǎo)出符合要求格式及質(zhì)量要求的數(shù)據(jù)。

6.2.4統(tǒng)一性

標注工具應(yīng)優(yōu)先選用企業(yè)統(tǒng)一的人工智能平臺提供的標注工具，若平臺未包含特定數(shù)據(jù)類型的標注

工具，可選用其他標注工具進行標注，但同類型的數(shù)據(jù)標注工作應(yīng)優(yōu)先采用同款標注工具進行標示，確

保輸入輸出格式的統(tǒng)一。

6.2.5合法性

標注工具或平臺應(yīng)具備資質(zhì)/資格證書、許可證、版權(quán)等。

7標注任務(wù)執(zhí)行技術(shù)要求

7.1標注子任務(wù)創(chuàng)建

5

T/CEC

進行數(shù)據(jù)標注子任務(wù)創(chuàng)建時，應(yīng)按照不同類別或任務(wù)編號對標注數(shù)據(jù)進行整理及劃分，方便標注團

隊按自身任務(wù)獲取對應(yīng)標注數(shù)據(jù)。

數(shù)據(jù)標注子任務(wù)目標說明宜采用文件形式進行描述，應(yīng)至少包含明確的標注任務(wù)信息、標注方式指

引以及標注結(jié)果存放位置。

7.1.1明確的標注任務(wù)信息

包括本次標注的主要目標、標注需求（需要完成的標注數(shù)據(jù)量級、任務(wù)的優(yōu)先級，對標注結(jié)果質(zhì)量

的要求、對標注完成時間的要求）、任務(wù)描述等。

7.1.2標注方式指引

根據(jù)當(dāng)前標注數(shù)據(jù)的任務(wù)，明確標注方式（全人工或半人工）、標注工具、標注環(huán)境的指引，方便

標注人員開展標注任務(wù)。

7.1.3標注結(jié)果存放位置

指定標注完成后的結(jié)果存放位置，方便標注結(jié)果的收集。

7.2標注數(shù)據(jù)移交

進行標注數(shù)據(jù)移交工作前，應(yīng)先根據(jù)公司《數(shù)據(jù)資產(chǎn)管理辦法》確認標注數(shù)據(jù)是否涉密再確定數(shù)據(jù)

移交方式。標注數(shù)據(jù)的移交工作應(yīng)至少符合以下技術(shù)要求：

7.2.1使用可信存儲設(shè)備

包括使用可信的辦公電腦、安全移動硬盤、安全U盤進行標注文件的轉(zhuǎn)移及提交。

7.2.2使用可信內(nèi)部網(wǎng)絡(luò)

包括使用可信的內(nèi)部網(wǎng)絡(luò)進行標注數(shù)據(jù)的傳輸、使用安全可信的內(nèi)部溝通工具進行文件發(fā)送、使用

可信的軟件平臺進行上傳及下載、使用已加密的共享目錄進行數(shù)據(jù)共享。

7.3標注任務(wù)分發(fā)

根據(jù)標注發(fā)布者確定的要求及任務(wù)描述，應(yīng)按之前的數(shù)據(jù)標注子任務(wù)目標說明把任務(wù)分派給標注人

員。標注任務(wù)發(fā)布者在進行標注數(shù)據(jù)分發(fā)時，宜采用文件形式，說明宜包括人員數(shù)量、任務(wù)數(shù)量、任務(wù)

節(jié)點、回收時間、結(jié)束時間以及標注任務(wù)開展方式等相關(guān)信息。

7.3.1人員數(shù)量

本次參與標注任務(wù)的標注人員數(shù)量。

7.3.2任務(wù)數(shù)量

本次任務(wù)主體劃分后的子任務(wù)數(shù)量。

7.3.3任務(wù)節(jié)點

每位數(shù)據(jù)標注人員需完成的任務(wù)總數(shù)及每個時間節(jié)點要求完成的任務(wù)數(shù)。

7.3.4回收時間

任務(wù)目標回收時間及最遲回收時間。

7.3.5結(jié)束時間

任務(wù)整體結(jié)束時間。

7.4標注任務(wù)開展方式

在標注任務(wù)開展過程中，標注方式分為全人工方式標注及半人工方式標注兩種方式，選擇的標注方

式區(qū)別如下：

7.4.1全