公路病害缺陷巡检数据集 路面缺陷图像识别数据集 AI道路缺陷识别数据集

道路瑕疵目标检测数据集路面缺陷检测数据集项目详情任务类型目标检测图片总量6000张分类数量8类类别裂纹(Crack)、检查井(Manhole)、网(Net)、裂纹块(Patch-Crack)、网块(Patch-Net)、坑洼块(Patch-Pothole)、坑洼(Pothole)、其他(other)标注工具LabelImg标注格式YOLO txt标签图片分辨率1600 × 1184划分比例训练集7验证集1测试集2数据集简介该数据集为道路路面缺陷目标检测数据集图片总量6000张图像分辨率统一为1600×1184。一共标注8类路面目标包含裂纹、检查井、网、裂纹块、网块、坑洼块、坑洼、其他覆盖道路巡检中常见的各类路面病害。使用LabelImg工具完成标注输出txt格式YOLO标签支持YOLO全系列版本直接训练无需额外格式转换。-数据集标注优势- 实拍路面样本丰富包含不同光照、干湿路面、阴影干扰、路面标线等复杂背景病害大小跨度大既有细微裂纹也有大面积坑洼。- 标注边界贴合病害区域类别划分细致区分独立病害与连片病害块减少不同缺陷之间混淆识别。- 数据集按照7:1:2比例划分样本分配均衡方便训练调参、对比不同算法模型的检测效果。模型训练与应用使用YOLO26完成训练模型可自动识别路面裂纹、坑洼、网状裂缝、检查井等目标。识别结果可用于公路自动化巡检、路面病害普查、道路养护规划、路面健康状态评估。适合交通工程视觉检测毕设、路面缺陷识别算法开发、车载巡检识别项目落地。数据集面向道路养护巡检场景为路面病害智能检测视觉方案提供训练素材。配置文件path: ./ train: images/train val: images/val test: images/test names:0: Crack1: Manhole2: Net3: Patch-Crack4: Patch-Net5: Patch-Pothole6: Pothole7: other# YOLO26训练代码from ultralyticsimportYOLOif__name____main__:modelYOLO(yolo26n.pt)model.train(data数据集配置.yaml,epochs100,imgsz640,batch8,device0)#道路缺陷检测 #路面瑕疵识别 #公路病害检测 #道路巡检 #目标检测数据集