隧道病害检测数据集 | 隧道检测裂缝识别渗水监测剥落检测9037期

本数据集专注于隧道衬砌常见病害的视觉检测，服务于交通隧道运维、结构安全评估及智能巡检。数据涵盖三类典型隧道病害，适配隧道巡检、病害量化分析及养护决策等应用。

数据要素	详细说明
类别	共 3 类：`裂缝`、`渗水`、`剥落`
数量	3100 张图像
格式	图像为 JPG/PNG；标签为 YOLO 格式的 txt 文件；附赠完整训练结果与可视化界面
应用价值	1. 安全巡检：支撑铁路、公路隧道衬砌病害的自动化定位与分类，替代人工目视检查。 2. 量化评估：通过病害检测结果统计各类病害分布与数量，辅助结构健康评级。 3. 养护规划：为隧道维修计划制定提供数据基础，优化维护资源分配。

类别与病害类型

数据集定义 3 类隧道典型病害：裂缝（crack） 、渗水（seepage） 、剥落（spalling），覆盖隧道衬砌最常见的三种损伤形式。
标注框总数为 4688 个，平均每张图像约含1.5个目标，场景以单处病害或少数并存为主。

数据规模与划分

图像总量约 3100 张，按 训练集（2100张） 、验证集（600张） 、测试集（300张） 完成标准化划分，利于模型开发与独立评估。
各类别分布相对均衡（裂缝1231张、渗水1530张、剥落776张），能支撑多类别检测模型的学习。

格式与附赠资源

采用通用 YOLO 格式（txt），每张图像对应一个同名标签文件，包含类别 ID 与归一化边界框坐标，可直接接入 YOLOv5、YOLOv8 等主流检测框架。
附赠 完整训练结果（包括 .pt 模型权重、.onnx 模型、训练曲线与指标图表），便于用户直接部署或进行二次开发。
提供 Python 检测工具界面（含源码与部署文档），支持开箱即用。

配置文件 data.yaml 示例：

yaml 复制代码

train: ./dataset/images/train
val: ./dataset/images/val
test: ./dataset/images/test
nc: 3
names: ['crack', 'seepage', 'spalling']

启动 YOLOv8 训练：

python 复制代码

from ultralytics import YOLO
model = YOLO('yolov8m.pt')
model.train(data='data.yaml', epochs=100, imgsz=640, batch=16)

隧道病害检测数据集 | 隧道检测 裂缝识别 渗水监测 剥落检测9037期