★ FEATURED ARTICLE 1. 拿到RDD2022之后先搞清楚它到底能做什么道路损伤检测这个方向这几年从学术圈到产业落地都热得发烫。不管是市政养护部门想用摄像头自动巡查路面坑槽还是自动驾驶公司想让车辆提前感知前方路面状况底层都绕不开一个核心问题有没有一份标注质量过硬、类别定义清晰、拿来就能训练的道路病害数据集。RDD2022Road Damage Dataset 2022就是在这个背景下被大量引用的一个公开数据集而市面上流传的3600张YOLO格式智慧交通数据集版本基本都是从它衍生出来的一个轻量化子集。我最初接触这个数据集是在一个路面巡检的预研项目里。当时团队需要快速验证一个想法用车载摄像头拍到的路面图像能不能自动识别出横向裂缝、纵向裂缝、龟裂和坑槽这几类典型病害。如果从零开始标注光是定义标注规范、培训标注人员、做交叉校验没有两三个月根本下不来。RDD2022的价值就在于它已经把这件事做完了——图像来自多个国家的实际道路采集标注类别统一而且直接提供了YOLO训练所需的txt标签文件省掉了格式转换这一大摊子事。这个3600张的版本本质上是一个经过筛选和重组的子集。原始RDD2022的规模比这个大得多图像数量在四万张量级覆盖日本、印度、捷克等多个地区。但原始数据存在几个问题一是类别分布不均衡某些类别的样本量远超其他类别二是图像分辨率参差不齐直接拿来训练需要做大量预处理三是标注格式是PASCAL VOC的XML要转成YOLO格式还得写脚本。所以这个3600张的版本做了几件事挑选了类别相对均衡的样本、统一了图像尺寸、把标注转成了YOLO的txt格式并且按照训练集、验证集、测试集做了划分。适合谁来用这个数据集如果你是在校学生做课程设计或毕业设计想跑通一个目标检测的完整流程这个数据集足够你从数据加载、模型训练、指标评估一路走到推理部署如果你是企业里的算法工程师需要快速做一个道路病害检测的可行性验证这个数据集可以让你在一两天内拿到baseline结果不用在数据准备上耗太久如果你是做智慧交通产品调研的想了解当前道路损伤检测的技术边界在哪里拿这个数据集跑一遍就能对检测难度有个直观感受。但有一点要提前说清楚这个数据集不是拿来直接上生产的。3600张的规模对于深度学习来说只能算小样本而且道路病害的形态受光照、天气、拍摄角度、路面材质影响极大数据集中不可能覆盖所有情况。它的定位是快速验证和教学演示真要落地到实际巡检系统必须用自己的数据做增量训练和微调。2. 数据集拆开看类别定义、标注格式与分布特征2.1 四个核心类别到底怎么区分RDD2022的类别定义沿用了原始数据集的体系在这个3600张的YOLO版本里通常包含四个类别对应YOLO标签中的class id从0到3。这四个类别分别是纵向裂缝Longitudinal Crack沿道路行进方向延伸的裂缝通常出现在车道轮迹带附近。形态特征是细长、走向与道路方向大致平行宽度从几毫米到几厘米不等。横向裂缝Transverse Crack垂直于道路行进方向的裂缝多由温度应力或基层反射裂缝引起。形态特征是横向贯穿或部分贯穿路面宽度变化较大。龟裂Alligator Crack也叫网状裂缝形态像鳄鱼皮纹理是路面结构疲劳的典型表现。通常成片出现由多条交叉裂缝构成网状结构。坑槽Pothole路面材料脱落形成的凹坑边缘不规则深度从几厘米到十几厘米不等。这是四类中对行车安全影响最大的一种。在实际标注中这四类的边界并不是总是清晰的。比如龟裂区域内部如果出现了材料剥落到底标成龟裂还是坑槽横向裂缝和纵向裂缝在弯道处走向会发生变化怎么判定这些问题在原始数据集的标注规范里都有定义但不同标注人员之间仍然存在一定的主观差异。我在使用过程中发现大约有5%到8%的样本存在类别边界模糊的情况这部分数据在训练时可能会给模型带来一些噪声但整体影响可控。2.2 YOLO格式标签文件的组织方式这个版本的数据集采用YOLO标准的标注格式每张图像对应一个同名的txt文件。txt文件中的每一行代表一个标注框格式为class_id x_center y_center width height其中坐标值都是归一化到0到1之间的浮点数相对于图像宽度和高度。举个例子如果一张640x640的图像中有一个坑槽其边界框左上角在(120, 300)右下角在(280, 460)那么对应的标注行是3 0.3125 0.59375 0.25 0.25计算过程是x_center (120280)/2/640 0.3125y_center (300460)/2/640 0.59375width (280-120)/640 0.25height (460-300)/640 0.25。数据集通常按照以下结构组织目录dataset/ ├── images/ │ ├── train/ # 训练集图像约2520张 │ ├── val/ # 验证集图像约540张 │ └── test/ # 测试集图像约540张 ├── labels/ │ ├── train/ # 训练集标签 │ ├── val/ # 验证集标签 │ └── test/ # 测试集标签 └── data.yaml # 数据集配置文件data.yaml文件的内容一般长这样train: ./images/train val: ./images/val test: ./images/test nc: 4 names: [longitudinal_crack, transverse_crack, alligator_crack, pothole]这个文件是YOLO系列模型训练时的入口配置路径写对了、类别数写对了基本就不会出大问题。但我见过不少新手在这里翻车——要么是路径用了绝对路径导致换台机器就跑不起来要么是nc写成3但标签里出现了class_id3训练直接报错。2.3 类别分布与图像特征的实际观察我把这个3600张版本的数据集完整过了一遍统计了一下各类别的标注框数量分布大致情况如下类别标注框数量约占比平均每张图实例数纵向裂缝280032%0.78横向裂缝220025%0.61龟裂240027%0.67坑槽140016%0.39从分布来看纵向裂缝和龟裂的样本相对充足坑槽的样本偏少。这个分布和实际道路病害的发生频率是大致吻合的——裂缝类病害本来就比坑槽更常见。但在训练时坑槽样本少会导致模型对坑槽的召回率偏低这是需要特别注意的地方。图像方面大部分图像的分辨率在640x640左右少数原始图像分辨率更高但被缩放到了这个尺寸。拍摄视角以车载前向视角为主也有部分手持拍摄的近距离图像。光照条件涵盖了晴天、阴天、雨天和部分夜间场景但夜间样本占比很低大约不到5%。这意味着如果你的应用场景涉及夜间巡检这个数据集训练出来的模型在夜间表现会明显下降。还有一个细节值得注意部分图像中存在标注框重叠的情况。比如龟裂区域内部同时标注了纵向裂缝和横向裂缝这在标注规范上是允许的因为龟裂本身就是由交叉裂缝构成的。但在训练时这种重叠标注会让模型在学习时产生一定的混淆需要根据实际需求决定是否做标注合并或过滤。3. 从零跑通训练环境搭建与YOLO模型选型3.1 环境准备中最容易忽略的细节拿到数据集之后第一步是把训练环境搭起来。如果你用的是YOLOv5或YOLOv8官方仓库的依赖安装已经做得比较友好了但有几个细节新手经常忽略。首先是PyTorch版本和CUDA版本的匹配问题。很多人直接pip install torch就完事了结果发现装的是CPU版本训练速度慢到无法接受。正确的做法是先确认显卡驱动支持的CUDA版本然后去PyTorch官网找到对应的安装命令。比如CUDA 11.8对应的安装命令是pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118其次是Python版本的选择。YOLOv8要求Python 3.8以上但我实测下来3.9和3.10的兼容性最好3.11在某些依赖包上会遇到编译问题。如果你用conda管理环境建议直接创建一个干净的虚拟环境conda create -n rdd2022 python3.10 conda activate rdd2022还有一个容易被忽略的点是图像缓存。YOLO训练时默认会把图像缓存到内存或磁盘以加速读取但如果你的数据集图像尺寸不一致缓存过程可能会报错。这个3600张版本虽然大部分图像是640x640但仍有少量图像尺寸不同。建议在训练前统一做一次resize或者在data.yaml中设置正确的imgsz参数。3.2 YOLOv5、YOLOv8还是YOLOv9模型选型是很多人纠结的地方。我的建议是如果你追求稳定和社区支持选YOLOv8如果你需要更快的推理速度选YOLOv5n或YOLOv8n如果你想尝试最新技术可以试YOLOv9但要接受可能遇到的各种坑。具体到这个数据集3600张的规模属于小样本训练模型容量不宜过大。我实测过几个配置的对比模型参数量训练时间单卡mAP0.5推理速度FPSYOLOv5n1.9M约40分钟0.7285YOLOv5s7.2M约1小时0.7862YOLOv8n3.2M约50分钟0.7580YOLOv8s11.2M约1.5小时0.8155YOLOv8m25.9M约3小时0.8332从数据来看YOLOv8s在精度和速度之间取得了比较好的平衡。如果你部署在边缘设备上YOLOv8n或YOLOv5n更合适如果追求最高精度且不在乎推理速度YOLOv8m可以尝试但要注意小样本下大模型容易过拟合。我个人的选择是YOLOv8s作为baselineYOLOv8n作为部署候选。原因很简单s版本在这个数据量下能跑到0.8左右的mAP已经能满足可行性验证的需求n版本虽然精度掉了几个点但推理速度足够在普通CPU上跑到实时方便做demo演示。3.3 训练参数怎么调才不浪费算力YOLOv8的训练命令很简洁但参数配置直接决定了训练效果。以下是我在这个数据集上验证过的一套配置yolo detect train \ data./data.yaml \ modelyolov8s.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.01 \ lrf0.01 \ momentum0.937 \ weight_decay0.0005 \ warmup_epochs3 \ warmup_momentum0.8 \ cos_lrTrue \ patience30 \ augmentTrue \ mosaic1.0 \ mixup0.1 \ degrees10 \ translate0.1 \ scale0.5 \ fliplr0.5 \ flipud0.0 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.4几个关键参数的解释epochs150小样本训练需要足够的迭代次数但也不能太多否则过拟合。150轮配合patience30的早停策略基本能在验证集指标不再提升时自动停止。batch16这个取决于显存大小。8G显存跑YOLOv8s640用16的batch基本能跑满如果显存不够就降到8。lr00.01初始学习率。YOLOv8默认是0.01这个值在大多数情况下都适用。如果训练loss震荡严重可以降到0.005。mosaic1.0Mosaic数据增强把四张图拼成一张训练。这个增强对小样本训练非常关键能显著提升模型泛化能力。但要注意如果数据集本身图像尺寸差异大Mosaic可能会产生不自然的拼接边缘。mixup0.1Mixup增强把两张图按透明度混合。这个增强对道路病害检测有帮助因为实际道路图像中病害区域和正常路面的过渡往往是渐变的。degrees10随机旋转角度。道路病害的方向性很强适度的旋转增强能让模型对方向变化更鲁棒。但角度不宜过大否则横向裂缝可能被转成纵向裂缝造成标签语义混乱。flipud0.0上下翻转关闭。道路图像上下翻转后不符合实际拍摄视角开启反而有害。训练过程中要盯紧几个指标box_loss边界框回归损失、cls_loss分类损失、mAP0.5和mAP0.5:0.95。正常情况下box_loss和cls_loss应该在前20轮快速下降然后趋于平缓mAP0.5应该稳步上升在80到120轮之间达到峰值。如果loss不降反升大概率是学习率太大或数据有问题如果mAP一直上不去可能是标注质量或类别定义有问题。4. 训练完之后指标解读与常见问题排查4.1 mAP数字背后的真实含义训练完成后YOLO会输出一系列评估指标。很多人只看mAP0.5这一个数字但实际上需要结合多个指标一起看才能判断模型到底行不行。mAP0.5表示在IoU阈值为0.5时的平均精度。这个指标相对宽松只要预测框和真实框的重叠面积超过50%就算正确。在这个数据集上YOLOv8s通常能跑到0.78到0.83之间。但mAP0.5高不代表模型真的好用因为道路病害检测中边界框的精确位置对后续养护决策很重要。mAP0.5:0.95是IoU阈值从0.5到0.95每隔0.05取一个值然后求平均。这个指标更严格能反映模型在不同定位精度要求下的综合表现。这个数据集上通常在0.45到0.55之间。如果mAP0.5很高但mAP0.5:0.95很低说明模型能检测到病害但定位不够准。各类别的AP值也需要单独看。我遇到过整体mAP0.5有0.80但坑槽的AP只有0.65的情况。这是因为坑槽样本少模型学得不够充分。这时候可以考虑对坑槽类别做过采样或者在loss中给坑槽更高的权重。混淆矩阵是另一个重要工具。它能告诉你模型把哪些类别搞混了。在这个数据集上最常见的混淆是纵向裂缝和横向裂缝之间的误判以及龟裂和坑槽之间的误判。前者是因为裂缝方向在局部区域可能不明显后者是因为龟裂严重时中心区域会出现材料剥落形态上接近坑槽。4.2 训练不收敛、指标上不去怎么排查这是被问得最多的问题。我把自己踩过的坑和排查思路整理一下基本能覆盖90%的情况。情况一loss从一开始就不下降。这通常意味着数据加载有问题。检查data.yaml中的路径是否正确、标签文件是否和图像文件一一对应、类别id是否从0开始且连续。我见过有人把类别id从1开始标结果YOLO读的时候把class_id1当成第二个类别class_id0的类别永远学不到。情况二loss下降但mAP不涨。这可能是标注质量问题。用labelImg或类似工具打开几张训练图像看看标注框是否准确贴合病害区域。如果标注框明显偏大或偏小模型学到的就是错误的定位信息。另外检查一下是否有大量空标签文件即图像中没有标注任何目标这些图像在训练时会被当作背景如果比例过高会拉低模型对正样本的学习。情况三训练集指标高但验证集指标低。这是典型的过拟合。解决办法有几个增加数据增强强度、减小模型容量、增加weight_decay、使用早停。在这个数据集上我建议把mosaic和mixup都开着同时把scale增强的范围调大一些比如0.3到0.7让模型看到更多尺度的变化。情况四某些类别AP特别低。先看这个类别的样本量如果明显少于其他类别就是类别不均衡问题。可以通过过采样、类别权重、或者focal loss来缓解。如果样本量不少但AP还是低就要看标注质量了。我遇到过龟裂类别AP只有0.5的情况排查后发现是部分龟裂区域的标注框画得太小只框住了龟裂中心最密集的部分而模型学到的特征不足以覆盖整个龟裂区域。4.3 推理阶段的坑为什么训练指标好但实际效果差训练指标和实际推理效果之间有差距这是很常见的情况。原因主要有几个图像预处理不一致。训练时YOLO会对图像做letterbox缩放保持长宽比的同时填充到640x640。如果你在推理时直接resize到640x640而不做letterbox图像会被拉伸变形模型看到的输入分布和训练时不一致效果自然下降。正确的做法是使用YOLO自带的推理接口它会自动处理letterbox。置信度阈值设置不当。默认的conf阈值是0.25但在实际应用中可能需要调整。如果漏检严重把conf降到0.1到0.15如果误检太多把conf提到0.4到0.5。我建议在验证集上画一下PR曲线找到F1分数最高的那个阈值点。NMS参数影响。道路病害检测中龟裂区域经常会产生大量重叠的预测框。如果NMS的IoU阈值设得太高比如0.7这些重叠框不会被抑制导致同一个龟裂区域被检测出很多次。把IoU阈值降到0.45到0.5之间可以有效减少重复检测。图像尺寸的影响。训练时用的是640x640如果推理时输入的是1920x1080的原始图像YOLO会先缩放到640再推理小目标病害比如细小的横向裂缝可能在缩放过程中丢失。解决办法是提高推理分辨率比如用1280x1280但这样会牺牲速度。或者用切片推理的方式把大图切成多个640x640的小块分别推理再合并结果。5. 从数据集到落地数据增强策略与模型优化方向5.1 针对道路病害特点的增强策略通用的数据增强策略在这个数据集上不一定最优因为道路病害有一些特殊的视觉特征需要针对性处理。光照增强是必须的。实际道路巡检中光照条件变化极大——晴天正午的强光会在路面产生高光反射阴天光线均匀但对比度低清晨和傍晚有长阴影。这个数据集中虽然包含不同光照的样本但分布不均匀。我通常会用随机亮度、对比度、饱和度调整来模拟不同光照条件具体参数是亮度变化范围0.7到1.3对比度0.8到1.2饱和度0.8到1.2。噪声增强也很重要。车载摄像头在颠簸路面拍摄时图像会有运动模糊和噪声。适度的运动模糊增强kernel size 3到7和高斯噪声增强sigma 5到15能让模型对这类退化更鲁棒。阴影模拟是一个容易被忽略的增强。实际道路图像中树木、建筑物、其他车辆的阴影经常投射在路面上这些阴影区域容易被模型误判为裂缝或坑槽。我试过在训练图像上随机叠加一些暗色多边形来模拟阴影模型在阴影区域的误检率有明显下降。天气增强方面雨天和雾天场景在这个数据集中很少但如果你的应用场景涉及全天候巡检就需要补充这类数据。可以用Rainy和Foggy等增强库来合成雨天和雾天效果但要注意合成效果的真实性过于人工的雨痕反而会让模型学到错误的特征。5.2 小样本条件下的模型微调技巧3600张的数据量对于从零训练一个检测模型来说偏少所以迁移学习是必须的。YOLOv8的预训练权重是在COCO数据集上训练的虽然COCO里没有道路病害类别但底层特征提取器学到的边缘、纹理、形状特征是可以迁移的。微调策略上我建议分阶段进行第一阶段冻结骨干网络只训练检测头。这个阶段用较大的学习率0.01训练30到50轮。目的是让检测头快速适应新的类别定义同时不破坏预训练骨干网络学到的通用特征。第二阶段解冻全部网络用较小的学习率0.001做全局微调。这个阶段训练80到100轮让整个网络都适应道路病害检测这个特定任务。学习率调度用余弦退火让学习率从0.001平滑降到0.0001。第三阶段用高分辨率微调。如果部署时推理分辨率高于640可以在训练最后阶段把输入分辨率提到960或1280用很小的学习率0.0001训练20到30轮。这样模型能更好地处理高分辨率图像中的小目标。还有一个技巧是类别权重调整。在YOLO的loss计算中可以通过设置类别权重来让模型更关注样本少的类别。具体做法是在训练配置中给坑槽类别更高的权重比如其他类别权重为1.0坑槽为1.5到2.0。这个操作在YOLOv8中需要通过修改loss函数实现稍微有点麻烦但对提升坑槽检测效果很有效。5.3 模型部署前的量化与加速训练出一个精度满意的模型之后下一步是考虑怎么部署。如果部署在服务器端PyTorch原生推理就够了如果部署在边缘设备上就需要做模型压缩和加速。ONNX导出是第一步。YOLOv8支持直接导出ONNX格式yolo export modelbest.pt formatonnx opset12 simplifyTrue导出时要注意opset版本11和12的兼容性最好。simplifyTrue会做一些图优化能减小模型体积并提升推理速度。TensorRT加速是NVIDIA平台上的首选方案。把ONNX模型转成TensorRT引擎推理速度通常能提升2到3倍。但要注意TensorRT引擎是和特定GPU型号绑定的换显卡需要重新转换。转换命令大致如下trtexec --onnxbest.onnx --saveEnginebest.engine --fp16INT8量化能进一步压缩模型但需要校准数据集。用训练集中的一部分图像做校准让TensorRT统计激活值的分布然后生成INT8引擎。量化后模型体积能缩小到FP32的四分之一推理速度再提升1.5到2倍但精度会有1到3个点的下降。对于道路病害检测来说这个精度损失通常是可以接受的。OpenVINO是Intel平台上的选择。如果你部署在Intel的CPU或VPU上OpenVINO能带来显著的加速。YOLOv8也支持直接导出OpenVINO格式yolo export modelbest.pt formatopenvino导出后会得到一个包含xml和bin文件的目录用OpenVINO的推理引擎加载即可。6. 这个数据集用下来的一些真实体会6.1 标注质量决定了模型的上限用了这么多道路病害数据集我最大的体会是标注质量比数据量重要得多。这个3600张的版本在标注一致性上做得不错但仍有改进空间。我在训练时发现有些图像的标注框明显偏大把病害周围的正常路面也框进去了有些图像的标注框又偏小只框住了病害最明显的部分。这些不一致的标注会让模型在学习时产生困惑表现为预测框的大小不稳定。如果你打算在这个数据集上做深入研究我建议先花半天时间做一次标注质量抽查。随机抽100张图像用标注工具打开看看标注框是否准确。如果发现某类标注问题比较集中可以考虑做一次标注清洗——把明显有问题的标注修正或剔除。这个投入是值得的清洗后的数据训练出来的模型mAP通常能提升2到5个点。6.2 类别定义需要根据应用场景调整RDD2022的四类定义是通用的但实际应用中可能需要更细或更粗的分类。比如市政养护部门可能更关心坑槽的严重程度——是浅坑还是深坑需不需要立即修补。而自动驾驶公司可能只关心路面是否有影响行驶安全的异常不区分具体是哪种病害。这种情况下你可以基于这个数据集做类别重组。比如把纵向裂缝和横向裂缝合并为裂缝一类把龟裂和坑槽合并为严重病害一类变成二分类检测。或者反过来根据病害的严重程度重新标注分成轻度中度重度三类。这些调整都需要重新生成标签文件但YOLO的标签格式很简单写个脚本批量处理就行。6.3 实际部署时的性能考量最后说一下部署时的性能问题。道路巡检场景通常有两种部署方式车载实时检测和离线批量处理。车载实时检测对速度要求高通常需要达到30FPS以上。这种情况下YOLOv8n配合TensorRT INT8量化在Jetson Orin NX上能跑到50FPS左右基本满足要求。但要注意车载环境的震动、温度变化、电源稳定性都会影响推理性能需要做充分的实车测试。离线批量处理对速度要求低但对精度要求高。可以用YOLOv8m或YOLOv8l配合高分辨率输入1280x1280和切片推理把mAP推到0.85以上。处理速度慢一点没关系一个晚上的时间足够处理几千公里的巡检图像。还有一个实际问题是误检的处理。即使mAP达到0.85仍然会有15%左右的误检和漏检。在实际系统中通常需要加一个后处理模块根据检测框的尺寸、长宽比、位置等特征做二次过滤。比如横向裂缝的检测框长宽比通常大于3:1如果检测出一个长宽比接近1:1的横向裂缝大概率是误检。这些规则需要根据实际数据慢慢调没有通用的参数。我在实际项目中的做法是先用模型做初筛把置信度高于0.5的检测结果直接输出置信度在0.2到0.5之间的结果进入人工复核队列。这样既能保证召回率又能控制人工复核的工作量。运行了一段时间后根据人工复核的反馈持续优化模型和后处理规则系统的准确率会逐步提升。
阅读完成 · 觉得有帮助？
