★ FEATURED ARTICLE 简介面向墙面水泥路面裂缝检测场景这份资源提供了一套Pascal VOC与YOLO双格式的目标检测标注数据集适合计算机视觉、深度学习方向的中高级研究者与工程师可用于训练裂缝识别模型、验证检测算法以及扩充私有数据集。数据涵盖8678张路面裂缝图片的标注信息标注类别为crack共11741个矩形目标框由LabelImg工具人工绘制矩形框标注准确、格式规范VOC格式xml便于人工复核或转换成其他标注格式YOLO格式txt可直接用于YOLOv5/YOLOv8等主流框架训练数据集组织上不包含分割路径专注目标检测任务。样本规模较大框数过万可为裂缝检测模型提供较充分的训练与验证支撑。资源包共2000个文件主体为1999个xml标注文件另含1个txt说明文件整体约622.83MB解压后目录结构清晰便于按需调用或二次整理。目前已有386人学习适合需要真实墙面/水泥路面裂缝标注数据进行模型训练、算法评估或教学实验的读者。1. 墙面水泥路面裂缝检测8678 张双格式数据集的价值在哪做缺陷检测的人都有体会模型精度翻车一半原因不在网络结构而在数据本身。墙面和水泥路面的裂缝检测难在目标形态极端不规则——裂缝细长、走向随机、与背景灰阶接近且光照、阴影、苔藓、水渍都会造成伪边缘。这份数据集一次提供了 8678 张真实场景图片目标检测格式双备——VOC 的 xml 和 YOLO 的 txt 各 8678 份11741 个裂缝框类别只有 crack 一类。对想训练裂缝检测模型的人它省掉了最耗时的采集和标注环节对调参阶段反复试错的从业者它双格式的设定让切换训练框架的成本几乎为零。适合做土木结构健康监测、道路巡检或工业质检的算法工程师也适合课程设计需要真实数据的学生。需要提醒的是数据集只保证标注准确不承诺训练精度这点在后期调参时要心里有数。2. VOC 与 YOLO 双格式文件结构、标签映射与标注规则还原2.1 解压后的文件构成图片、xml、txt 三者一一对应拿到压缩包解压后文件结构并不复杂。图片是 jpg标签有两种形态同名 xml 是 Pascal VOC 标准同名 txt 是 YOLO 标准。三者靠文件名前缀绑定比如xyxr_images_4227.jpg对应xyxr_images_4227.xml和xyxr_images_4227.txt。这是 labelImg 工具保存时的经典输出结构熟悉标注流程的人一眼就能认出来。我习惯先统计文件数量确认数据完整性。在 Linux 或 Windows 的 Git Bash 下执行ls *.jpg | wc -l ls *.xml | wc -l ls *.txt | wc -l三个数字都是 8678说明没有漏标或者图片损坏的情况。数量对不上时优先查 jpg 和 txtxml 通常是最全的。2.2 VOC 格式解析坐标是绝对值类别是字符串打开任意一个 xml 文件结构如下annotation folderxyxr_images/folder filenamexyxr_images_4227.jpg/filename size width1920/width height1080/height depth3/depth /size object namecrack/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin356/xmin ymin512/ymin xmax1243/xmax ymax875/ymax /bndbox /object /annotation关键字段是bndbox里的四个数值xmin、ymin、xmax、ymax表示目标左上角和右下角的绝对像素坐标。namecrack/name是类别名整个数据集只有这一种。difficult值全部是 0说明标注者没有特意区分难例所有目标都同等对待。有一点要注意一个 xml 里可能存在多个object块。裂缝是长条状目标同一张图里可能有一条裂缝被拆成两个框也可能有两条独立裂缝各自占一个框。解析时用循环遍历所有object不要只取第一个。2.3 YOLO 格式解析中心点加宽高数值归一化txt 文件的内容更简洁0 0.416927 0.642130 0.461979 0.336111五个数分别是类别 ID、归一化中心点 x、归一化中心点 y、归一化宽度、归一化高度。归一化的分母是图片的宽和高。以第一行为例中心点横坐标 0.416927 × 1920 ≈ 800对应 xml 里(xmin xmax) / 2的结果。类别 ID 是 0因为整个数据集只有 crack 一类在data.yaml文件里names: [crack]即可。这个格式是 YOLOv5 及以后版本的标准输入。labelImg在保存为 YOLO 格式时会自动完成绝对坐标到归一化坐标的换算不需要手动算。但要确认一点如果你用老版本的 labelImg 手动编辑过 txt务必检查数值是否都在 01 之间超出范围的框在训练时会直接报错。2.4 双格式互转的必要性与风险数据集虽然双格式齐备但实际使用时几乎必然要做格式转换。原因很简单不同框架对标签的读取方式不同。比如训练 YOLOv8直接读 txt 没问题但如果你需要做数据增强比如用imgaug库对图片做旋转裁剪增强后的标签就得重新计算这时把 txt 转回 xml 反而更直观因为绝对坐标更符合人脑对图像空间的理解。python voc2yolo.py --xml_dir ./Annotations --image_dir ./JPEGImages --output_dir ./labels这是常见的 VOC 转 YOLO 脚本核心逻辑如下import xml.etree.ElementTree as ET import os def convert(size, box): dw 1.0 / size[0] dh 1.0 / size[1] x (box[0] box[1]) / 2.0 y (box[2] box[3]) / 2.0 w box[1] - box[0] h box[3] - box[2] return x * dw, y * dh, w * dw, h * dh xml_files [f for f in os.listdir(./Annotations) if f.endswith(.xml)] for xml_file in xml_files: tree ET.parse(os.path.join(./Annotations, xml_file)) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) out_name xml_file.replace(.xml, .txt) with open(os.path.join(./labels, out_name), w) as out_f: for obj in root.findall(object): cls_id 0 # crack 是唯一类别 box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) x_center, y_center, width, height convert((w, h), (xmin, ymin, xmax, ymax)) out_f.write(f{cls_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n)这段脚本的convert函数接收图片宽高和绝对坐标返回归一化的中心点、宽和高。cls_id硬编码为 0因为数据集只有一个类别。如果后续自己标注添加了新类别需要改成从字典里映射类别名到 ID。常见坑是 xml 里某些object块没有difficult字段老代码里如果对difficult做了取值会抛异常建议加个空值判断。3. 数据摸底8678 张图的分布、图片尺寸与类别框统计3.1 标注框数统计11741 框平均每张 1.35 个框8678 张图、11741 个框平均下来每张图约 1.35 个标注框也就是说大部分图片里只有一条裂缝少数图片有两条或更多。这个分布对训练有直接影响单目标图片占比过高模型对多裂缝场景的泛化能力会被削弱。我建议在训练前做一个统计看看多框图片到底有多少。import os label_dir ./labels multi_box 0 single_box 0 empty_box 0 for txt_file in os.listdir(label_dir): with open(os.path.join(label_dir, txt_file), r) as f: lines f.readlines() if len(lines) 0: empty_box 1 elif len(lines) 1: single_box 1 else: multi_box 1 print(f无标注文件: {empty_box}, 单框文件: {single_box}, 多框文件: {multi_box})统计结果会暴露一个潜在问题如果多框图片低于 15%模型容易对多目标场景漏检。一个补救办法是使用 Mosaic 增强把多张单框图片拼成一张变相增加多目标样本。YOLOv8 默认开启 Mosaic但训练后期最好关掉避免过度拟合拼图特征。3.2 图片尺寸分布宽高比与缩放策略裂缝框普遍是细长形宽高比可能达到 5:1 甚至更高。YOLO 系列在训练时会强制把输入缩放到固定尺寸比如 640×640这就会造成两个问题细长目标被压缩变形小裂缝在缩放后丢失细节。我建议先统计所有图片的原始尺寸分布。import xml.etree.ElementTree as ET import os import collections xml_dir ./Annotations sizes collections.Counter() for xml_file in os.listdir(xml_dir): tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) sizes[(w, h)] 1 for key, count in sizes.most_common(10): print(f分辨率 {key}: {count} 张)如果大部分图片分辨率是 1920×1080 或类似建议把输入尺寸设为 960 甚至 1280显存够的话小裂缝的检测效果会明显提升。但这也会拖慢训练速度需要根据 GPU 显存权衡。我的习惯是先用 640 跑通 pipeline确认 Loss 正常下降再加大输入尺寸跑最终版本。3.3 框面积占比与裂缝形态的先验知识在调参之前先算一下标注框的面积占比能帮你判断 Anchor 策略或新版本自适应 anchor 的合理性。脚本如下import os label_dir ./labels areas [] for txt_file in os.listdir(label_dir): with open(os.path.join(label_dir, txt_file), r) as f: for line in f.readlines(): parts line.strip().split() if len(parts) ! 5: continue w float(parts[3]) h float(parts[4]) areas.append(w * h) # 归一化面积 areas.sort() print(f最小面积: {areas[0]:.6f}, 最大面积: {areas[-1]:.6f}, 中位数: {areas[len(areas)//2]:.6f})裂缝框的面积普遍偏小因为裂缝本身细长且只占画面局部。如果中位数面积低于 0.02说明小目标占了大多数训练时要把模型结构里对中大型目标的偏向调回来。YOLOv8 的检测头对尺度本身做了优化但这种极端长宽比的目标在 NMS 阶段容易发生相邻框互相抑制的情况后面避坑章会详细说。4. 从数据集到训练YOLOv8 训练裂缝检测的完整流程4.1 数据划分训练集、验证集、测试集的比例与随机种子拿到数据后第一步是划分数据集不能直接用全部数据训练否则无法评估泛化性能。常见划分比例是 7:2:1或者 8:1:1视数据量而定。这里我按 8:1:1 写一个划分脚本同时把图片和标签对应移动保证图片和标签始终在一起。import os import random import shutil random.seed(42) image_dir ./images label_dir ./labels train_img_dir ./dataset/images/train val_img_dir ./dataset/images/val test_img_dir ./dataset/images/test train_lbl_dir ./dataset/labels/train val_lbl_dir ./dataset/labels/val test_lbl_dir ./dataset/labels/test for d in [train_img_dir, val_img_dir, test_img_dir, train_lbl_dir, val_lbl_dir, test_lbl_dir]: os.makedirs(d, exist_okTrue) files [f for f in os.listdir(image_dir) if f.endswith(.jpg)] random.shuffle(files) n len(files) train_count int(n * 0.8) val_count int(n * 0.1) for i, f in enumerate(files): base os.path.splitext(f)[0] img_src os.path.join(image_dir, f) lbl_src os.path.join(label_dir, base .txt) if i train_count: shutil.copy(img_src, train_img_dir) shutil.copy(lbl_src, train_lbl_dir) elif i train_count val_count: shutil.copy(img_src, val_img_dir) shutil.copy(lbl_src, val_lbl_dir) else: shutil.copy(img_src, test_img_dir) shutil.copy(lbl_src, test_lbl_dir) print(f训练集: {train_count}, 验证集: {val_count}, 测试集: {n - train_count - val_count})随机种子固定为 42保证每次划分结果一致便于复现。测试集单独保留避免验证集被用于早停后测试结果失真。有一点要提醒同一面墙上不同角度的裂缝照片可能在光照、拍摄位置上高度相似划分时随机打乱会把相似的图片分到训练和验证集造成数据泄漏。如果想严格一点应该按场景分桶后再划分但这份数据集没有提供场景分组信息只能靠随机划分加多观察验证集表现来规避。4.2 编写 data.yaml 与确定训练参数YOLOv8 用 yaml 文件描述数据集信息内容如下path: ./dataset train: images/train val: images/val test: images/test nc: 1 names: 0: crackpath是数据集根目录的相对路径或绝对路径。train、val、test分别是图片目录的路径。nc是类别数这里必须写 1。names用列表或字典形式给出类别名。如果你的图片和标签不在一起YOLOv8 会自动在同名位置找标签不需要额外指定标签路径。训练命令如下这里用 YOLOv8n 作为起点跑通流程后再换大模型yolo train datadata.yaml modelyolov8n.pt epochs100 imgsz640 batch16 device0 patience20各参数含义modelyolov8n.pt表示从 COCO 预训练权重开始迁移学习比从零训练收敛快得多epochs100是最大训练轮数配合patience20实现早停——连续 20 轮验证集指标不提升就自动停止避免过拟合imgsz640是输入尺寸batch16根据显存调整12GB 显存跑这个参数没问题device0表示用第一张 GPU。loss 曲线如果在 100 轮内持续下降验证集 mAP50 仍然在涨可以加大 epoch 到 200。4.3 训练结果验证mAP、混淆矩阵与可视化训练结束后验证集上的指标会输出到终端或runs/detect/train目录。重点看三个文件confusion_matrix.png会展示模型把裂缝分类成什么。单类别的混淆矩阵只有 2×2核心关注 false negative 比例也就是漏检的裂缝占比。results.png包含 loss 曲线和 mAP 曲线观察是否出现过拟合。val_batch_pred.jpg是模型在验证集上的预测可视化直接能看出漏检、误检和定位偏差。如果 mAP50 在 0.7 以上说明模型基本可用如果只有 0.5 左右优先检查是不是输入尺寸太小导致小裂缝特征丢失。一个容易被忽略的细节裂缝这类纹理目标和 COCO 上的自然物体差异很大迁移学习时冻结 backbone 前几层反而限制模型学习裂缝纹理建议unfreeze全部层让模型充分适应新域。4.4 推理测试单张图片与视频流的输入输出训练完成后的权重文件是best.pt用它跑推理yolo detect predict modelbest.pt source./test.jpg conf0.25 iou0.5 saveTrueconf0.25是置信度阈值低于 0.25 的检测框会被过滤。裂缝检测场景我把这个值设在 0.150.25 之间因为裂缝边缘模糊模型天然给低置信度。iou0.5控制 NMS如果检测框重叠严重可以提高这个值试试。还想提醒一点best.pt是验证集上表现最好的权重但裂缝检测的实际部署场景和训练场景可能存在分布差异——比如无人机俯拍和手机平拍的角度完全不同。部署前一定要用真实场景图片做冒烟测试不要拿验证集结果当最终成绩。5. 裂缝检测训练避坑五个高频翻车点与排查方案5.1 标签与图片文件名不匹配导致训练漏读现象训练时发现数据加载数量比预期少或者某个 epoch 的标签数量为 0。原因文件系统对大小写敏感比如图片名是xyxr_images_4227.jpg标签名写成了XYXR_images_4227.txt。另一种情况是复制时文件名被截断或加了空格用ls看起来正常脚本里比对却对不上。解决训练前统一跑一次校验脚本对比图片文件名和标签文件名是否完全一致。推荐用下面的方式做快速检查for f in images/*.jpg; do base$(basename $f .jpg) if [ ! -f labels/$base.txt ]; then echo Missing label for $base fi done5.2 细长裂缝框在 NMS 阶段被相邻框错误抑制现象同一长裂缝被拆成多个框模型预测时输出很多重叠框但 NMS 把所有框都滤掉了最终只保留一个覆盖率严重不足。原因裂缝长且连续被标成多个相邻框预测时这些框的 IoU 极高。NMS 认为它们是同一个目标只保留置信度最高的那个导致其余部分丢失。解决训练时把 NMS IoU 阈值调高从默认 0.5 提到 0.7允许更多重叠框保留。另一个做法是在后处理阶段做裂缝拼接把同一条直线上的相邻框合并成一个大框。这类后处理逻辑其实和车道线检测类似都是基于几何连续性做的。5.3 光照不均匀导致误检砖缝和污渍现象验证集上 mAP 不错但真实场景里经常把砖缝、苔藓、水渍检测成裂缝。原因标注数据里这些相似纹理的负样本不足模型学了裂缝的高对比度边缘特征但无法区分砖缝和裂缝——两者的灰度梯度分布高度重叠。解决收集负样本加入训练集。把不含裂缝的墙面或路面图片放到images/train下但不要生成对应的空 txt 文件YOLO 格式里没有标注的图片会被当作纯背景处理。或者用数据增强对已有裂缝图片做随机旋转、亮度扰动模型对光照的敏感性会降低。我在工地调试时常遇到这个翻车点最后靠自采负样本才把误检率压下来。5.4 标注框边界溢出图片边界现象训练时 loss 异常提示AssertionError: bbox out of bounds。原因labelImg 里手动拖动标注框时可能超出图片边界保存的坐标比图片宽高略大。比如图片宽 1920标注框 xmax 却是 1930。YOLO 格式归一化后数值大于 1训练框架检查越界直接报错。解决训练前做一次数据清洗把越界的框裁剪回图片边界内或者在读取标签时做 min/max 截断x_center min(1.0, max(0.0, x_center)) y_center min(1.0, max(0.0, y_center)) w min(1.0 - x_center, w) h min(1.0 - y_center, h)这种问题在大规模数据集里很常见建议写进 pipeline 里自动修正不要依赖人工排查。5.5 类别名大小写不一致造成数据加载失败现象数据加载时报错class not found或者测试时模型输出类别名和预期不符。原因所有 xml 里name字段写的是crack小写但自己补标注或脚本转换时写成了Crack或crack尾部多了空格。YAML 文件里names是crack大小写不同导致匹配失败。解决统一用脚本检查所有 xml 里的类别名grep -h name *.xml | sort | uniq -c结果应该只有一种namecrack/name。如果出现多种写法用 sed 统一替换。6. 进阶玩法从单类别检测扩展到多类别裂缝分类与定位细化数据集只有 crack 一类但实际场景里你可能需要区分横向裂缝、纵向裂缝、网状裂缝和块状裂缝这时候不必从零开始重新标注——可以把现有的 crack 检测模型当作区域提议器用手动切分或者是辅助标注工具来细分类别。具体做法是先用现有 best.pt 在未标注的新图片上跑一遍推理把检出的裂缝区域裁剪保存再人工分类最后用这些子类数据微调一个分类模型或者直接在检测模型上增加类别重新训练。这个过程能比纯人工标注快三到五倍。对单类别检测的细化还有一个方向是裂缝宽度估算。检测框给的是长条形包络但实际裂缝宽度在像素级别可以通过二值化分割来做把检测框内的区域单独提取出来用自适应阈值法生成裂缝掩膜再统计骨架宽度。这类方法通常配合 OpenCV 实现和 YOLO 检测头互补。我记得有一次在桥梁检测项目里现场照片光线条件复杂用训练好的模型跑了好多张图才发现模型对阴影特别敏感阴影边缘被当成裂缝。那之后我每次拿到新的检测数据集无论多急都强制走一遍边界检查和单类负样本测试。这一类先看数据再看模型的工作流帮我避开了好几个本来要把人逼疯的调试夜。希望这些经验对你这次裂缝检测项目有用也欢迎在复现后回来聊聊你自己的踩坑记录。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
