适合轨道巡检算法开发、铁路病害自动识别 铁轨缺陷检测数据集

铁轨缺陷检测数据集铁轨缺陷检测数据集450张提供yolovoccoco三种标注方式图像尺寸:640*640类别数量:9类训练集图像数量:317; 验证集图像数量:90 测试集图像数量:43类别名称: 每一类图像数 每一类标注数rust - 锈蚀162, 766Gauge corner squats - 轨角下沉23, 35head checks - 轨头裂纹1, 1cacat las - 焊接缺陷5, 8dust - 灰尘63, 405abration - 磨耗41, 54Rust - 锈蚀243, 1438Crack - 裂缝25, 52squats - 轨枕下沉1, 1image num: 450铁轨缺陷检测数据集项目详情数据集名称铁轨缺陷检测数据集图像总数450张图像尺寸640×640标注格式YOLO、VOC、COCO类别总数9类数据集划分训练集317张 验证集90张 测试集43张类别明细rust - 锈蚀162张图像766个标注 Gauge corner squats - 轨角下沉23张图像35个标注 head checks - 轨头裂纹1张图像1个标注 cacat las - 焊接缺陷5张图像8个标注 dust - 灰尘63张图像405个标注 abration - 磨耗41张图像54个标注 Rust - 锈蚀243张图像1438个标注 Crack - 裂缝25张图像52个标注 squats - 轨枕下沉1张图像1个标注数据集摘要本数据集面向铁路轨道表面缺陷智能检测任务采集铁轨道床实拍图像包含锈蚀、轨角下沉、轨头裂纹、焊接缺陷、灰尘、磨耗、裂缝、轨枕下沉等9类轨道病害标注支持YOLO、VOC、COCO三种主流标注格式。适合轨道巡检算法开发、铁路病害自动识别、毕业设计与模型调优适配YOLO全系列目标检测模型训练。应用场景✅ 铁路轨道日常自动化巡检✅ 铁轨表面病害识别与隐患排查✅ 轨道交通运维AI算法研究✅ 毕业设计、深度学习目标检测实验标签铁轨缺陷检测铁路巡检轨道病害YOLO数据集目标检测轨道交通备注数据里出现两组锈蚀rust / Rust属于同类目标重复命名训练时建议合并为同一个类别。