带标注的建筑缺陷识别数据集，8511张图片，支持yolo，coco json，voc xml格式，可识别钢筋外露，起皮，泛碱，裂缝，起麟，崩裂，锈迹

前网易架构师-高司机2026-04-14 8:19

模型训练指标参数：

模型训练图：

数据集拆分

训练集

5960张图

验证集

1701张图

测试集

850张图

预处理

自动定向：应用

调整大小：拉伸到640x640

修改类别：15 个已重映射，3 个已丢弃

增强

无

数据集标签：

'Armatura in vista', 'Delaminazione', 'Efflorescenza', 'Fessura', 'Scaling', 'Spalling', 'Tracce di ruggine'

Armatura in vista → 钢筋外露
Delaminazione → 分层起皮 / 剥离
Efflorescenza → 泛碱 / 白华（盐析）
Fessura → 裂缝 / 裂纹
Scaling → 表层剥落 / 起鳞
Spalling → 崩裂 / 大块剥落
Tracce di ruggine → 锈迹 / 锈蚀痕迹

数据集图片和标注信息示例：

数据集下载：

yolo26:

yolo v12:https://download.csdn.net/download/pbymw8iwm/92799716

yolo v11:https://download.csdn.net/download/pbymw8iwm/92799720

yolo v9:https://download.csdn.net/download/pbymw8iwm/92799724

yolo v8:https://download.csdn.net/download/pbymw8iwm/92799734

yolo v7:https://download.csdn.net/download/pbymw8iwm/92799977

coco json:https://download.csdn.net/download/pbymw8iwm/92799981

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92800026

YOLO模型训练

下载数据集之后解压到当前文件夹，然后将我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py

注意，请根据你的GPU能力来适当调整训练参数，比如训练batch，patience，workers，以及模型类型（如果你的GPU硬件条件限制，可以联系作者进行付费模型训练，部分模型只需要一杯奶茶钱）

模型验证测试情况：

验证测试代码：

python 复制代码

#需要安装pip install ultralytics
from ultralytics import YOLO
import cv2

# 加载训练好的 YOLO .pt 模型
model = YOLO('best.pt')  # 替换为你实际的 .pt 模型文件路径

# 定义要测试的图片路径
image_path = './image.jpg'  # 替换为你实际的图片文件路径

# 使用模型对图片进行预测
results = model(image_path)

# 获取预测结果
for result in results:
    # 获取绘制了检测框的图片
    annotated_image = result.plot()

    # 显示图片
    cv2.imshow("YOLOv Inference", annotated_image)

    # 等待按键退出
    cv2.waitKey(0)

    # 关闭所有 OpenCV 窗口
    cv2.destroyAllWindows()