建筑物损伤分割与检测数据集 | 建筑损伤检测 结构病害 实例分割 混凝土缺陷

建筑物损伤分割与检测数据集 | 建筑损伤检测 结构病害 实例分割 混凝土缺陷

文章目录

数据集概述X

本数据集专注于建筑结构病害的精细感知,服务于既有建筑安全评估、历史建筑保护及城市更新决策。数据涵盖混凝土结构常见的四类损伤,适配无人机巡检、立面检测及结构健康监测系统等场景。

数据集核心信息

数据要素 详细说明
类别 共 4 类:钢筋外露、腐蚀、泛碱、开裂
数量 5900 张图像
格式 支持 VOC (xml)、YOLO (txt)、JSON(COCO风格) 三种主流格式,同时提供分割与检测标注信息
应用价值 1. 结构安全 :支撑桥隧、高层建筑的关键损伤部位自动定位与定期跟踪。 2. 维护决策 :通过损伤种类与程度统计,制定科学维修计划,优化资金分配。 3. 历史保护:用于古建筑、文物建筑的病害建档与监测,辅助保护方案设计。

数据三要素解析

类别与数量

  • 数据集定义 4 类典型建筑损伤:钢筋外露 、腐蚀 、泛碱 、开裂,覆盖材料劣化、化学侵蚀及物理开裂等主要病害。
  • 图像总量约 5900 张,规模充足,且各损伤类别标注数量差异较大,可用于研究 类别不平衡 问题对模型性能的影响。
  • 数据集同时提供 分割 与 检测 两种标注,可灵活适配不同任务需求(如面积计算需用分割,快速定位可用检测框)。

格式与结构

  • 支持 VOC 、YOLO 、COCO-JSON 三种通用标注格式,覆盖主流目标检测与实例分割框架(如YOLO系列、Faster R-CNN、Mask R-CNN等),开箱即用。
  • 标注信息完整,图像与标签一一对应,便于进行训练/验证/测试集划分与数据增强集成。

应用与扩展

  • 数据集可扩展用于 损伤演变分析 (时间序列对比)、修复效果评估(修复前后检测对比)等全生命周期管理任务。
  • 结合 BIM(建筑信息模型)数据,可实现 三维空间定位 与 病害三维可视化,提升运维决策的直观性与准确性。
  • 多格式标注支持跨平台、跨框架迁移实验,有利于算法选型与对比评测。

知识普及:建筑损伤视觉检测的挑战

建筑外立面与结构表面受光照、雨水流挂、修补痕迹等因素干扰,损伤的视觉特征可能模糊或与阴影混淆(如裂纹与施工缝)。实例分割技术可精确勾勒损伤区域的轮廓,支持更精细的几何测量。在实际应用中,建议结合 多尺度特征金字塔 与 上下文注意力模块,提升模型对细小裂纹和边缘模糊区域的检测与分割精度。

快速开始(代码示例)

YOLO 格式配置文件 data.yaml 示例:

yaml 复制代码
train: ./dataset/images/train
val: ./dataset/images/val
nc: 4
names: ['rebar_exposure', 'corrosion', 'efflorescence', 'cracked']

启动 YOLOv8 训练(支持检测与分割):

python 复制代码
from ultralytics import YOLO
# 检测
model = YOLO('yolov8m.pt')
model.train(data='data.yaml', epochs=100, imgsz=640, batch=16)

# 分割
# model = YOLO('yolov8m-seg.pt')
# model.train(data='data.yaml', epochs=100, imgsz=640, batch=8)

标签

建筑损伤检测 结构病害 实例分割 混凝土缺陷 YOLO格式 深度学习数据集 计算机视觉

相关推荐
硅谷秋水17 小时前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
jay神17 小时前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
小宋102118 小时前
AI 爬虫把大学图书馆站点拖垮:按行为指纹给爬虫分类、按类发配额、用边缘缓存分层,以带宽成本结构和真实用户 P95 延迟定档
人工智能·爬虫·分类
jay神3 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
wangxiaoxuan2174 天前
TF2 的原理与使用:把坐标、运动和观测时间一起算清楚
计算机视觉·机器人·科沃斯八界
鱼听禅4 天前
Ubuntu安装YOLOv8进行菌落识别训练
linux·python·yolo·ubuntu
硅谷秋水4 天前
EgoHumanoid‑V2 方法分析
人工智能·机器学习·计算机视觉·语言模型·机器人
BYSJMG4 天前
计算机毕业设计选题推荐:【基于深度学习的车辆损坏严重程度评估方法研究】ResNet50 图像分类
人工智能·深度学习·目标检测·机器学习·计算机视觉·分类·课程设计
BYSJMG4 天前
计算机毕业设计选题推荐|【基于深度学习的电梯电动车违规进入检测研究】YOLO26m+可视化大屏
人工智能·深度学习·神经网络·目标检测·机器学习·计算机视觉·课程设计
硅谷秋水5 天前
将闲科技(LiberAI)提出世界动作模型Liber-0
机器学习·计算机视觉·语言模型·机器人