智慧交通无人机航拍道路损伤检测数据集目标检测数据集1014张yolovoccoco三种标注方式图像尺寸:640*640类别数量:7类训练集图像数量:822; 验证集图像数量:101 测试集图像数量:91类别名称: 每一类图像数 每一类标注数rutting 车辙 | 24,33longitudinal crack 纵向裂缝 | 208,260tambalan 路面拥包 | 472,637edge crack 边缘裂缝 | 106,111pothole 坑槽 / 坑洞 | 313,728alligator crack 龟裂 / 网状裂缝 | 159,225bumps and sags 路面凹凸 | 13,13image num: 1014一、数据集信息表格1.1 基础信息项目详情数据集名称无人机航拍道路损伤检测数据集总图像数量1014 张图像尺寸640×640标注格式YOLO、VOC、COCO类别总数7 类训练集822 张验证集101 张测试集91 张1.2 类别分布明细序号英文类别中文类别含该类别图像数标注总数0rutting车辙24331longitudinal crack纵向裂缝2082602tambalan路面拥包4726373edge crack边缘裂缝1061114pothole坑槽/坑洞3137285alligator crack龟裂/网状裂缝1592256bumps and sags路面凹凸13131.3 YOLO 类别列表names[rutting,longitudinal crack,tambalan,edge crack,pothole,alligator crack,bumps and sags]二、应用场景无人机道路巡检航拍画面自动识别多种路面病害替代人工现场排查。市政道路养护统计病害类型、数量与分布辅助制定维修、养护计划。公路质量评估定期检测路面状况分析道路老化、损坏趋势。视觉算法研发户外航拍场景、多类别小目标检测模型训练、科研与竞赛。智慧交通系统结合航拍设备实现路面损伤常态化智能监测。三、YOLOv11 训练推理代码3.1 环境依赖安装pipinstallultralytics torch opencv-python numpy3.2 数据集配置文件road_damage_7cls.yamlpath:./road_damage_7cls_datasettrain:images/trainval:images/valtest:images/testnc:7names:0:rutting1:longitudinal crack2:tambalan3:edge crack4:pothole5:alligator crack6:bumps and sags3.3 数据集目录结构road_damage_7cls_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ # YOLO 标注文件 │ ├── train/ │ ├── val/ │ └── test/ ├── voc_annotations/ # VOC 标注文件 ├── coco_annotations/# COCO 标注文件 └── road_damage_7cls.yaml3.4 训练代码train_road_damage.pyfromultralyticsimportYOLOdeftrain_damage():modelYOLO(yolov11n.yaml)model.train(dataroad_damage_7cls.yaml,epochs80,imgsz640,batch16,devicecpu,# GPU环境修改为 device0workers4,patience15,ampTrue,mosaic1.0,projectruns/train,nameroad_damage_7cls_det,exist_okTrue)print(训练完成权重路径runs/train/road_damage_7cls_det/weights)if__name____main__:train_damage()3.5 推理测试代码predict_road_damage.pyfromultralyticsimportYOLO modelYOLO(runs/train/road_damage_7cls_det/weights/best.pt)if__name____main__:# 单张图片检测resmodel(test.jpg,saveTrue,conf0.25)# 批量图片检测# res model(./test_imgs/, saveTrue, conf0.25)# 视频/摄像头实时检测# res model(0, saveTrue, conf0.25)print(推理测试完成)
