建筑物坍塌程度检测数据集 | 建筑物坍塌 灾害评估 坍塌程度 目标检测 9180期
数据集概述
本数据集专注于建筑物坍塌程度的视觉检测与分类 ，服务于灾害应急评估、建筑安全鉴定及灾后重建规划。数据涵盖三种典型坍塌状态，适配无人机航拍巡检、灾害快速评估及结构损伤识别等应用。
数据集核心信息
| 数据要素 | 详细说明 |
|---|---|
| 类别 | 共 3 类：局部坍塌、未坍塌、整体坍塌 |
| 数量 | 1976 张图像 |
| 格式 | 图像为 JPG/PNG（分辨率 640×640 ）；同时提供 YOLO 、VOC 、COCO 三种标注格式 |
| 数据划分 | 训练集 1852 张，验证集 83 张，测试集 41 张 |
| 应用价值 | 1. 灾害应急 ：支撑地震、爆炸等灾害后建筑物坍塌程度的快速评估。 2. 安全鉴定 ：辅助建筑结构安全鉴定与危房排查。 3. 重建规划 ：为灾后重建优先级排序与资源分配提供数据基础。 4. 算法研发：为多类别损伤识别、灾害场景理解等视觉任务提供真实场景的训练与评测数据。 |
完整类别列表（共3类）
| 序号 | 英文简称 | 中文释义 | 训练图片数 | 训练标签数 | 验证图片数 | 验证标签数 | 测试图片数 | 测试标签数 |
|---|---|---|---|---|---|---|---|---|
| 1 | JBTT | 局部坍塌 | 1134 | 1463 | 53 | 71 | 23 | 33 |
| 2 | WTT | 未坍塌 | 1018 | 2949 | 41 | 130 | 27 | 91 |
| 3 | ZTTT | 整体坍塌 | 968 | 1900 | 37 | 88 | 24 | 50 |
数据三要素解析
类别与坍塌状态覆盖
- 数据集定义 3 类建筑物坍塌状态：局部坍塌 （JBTT）、未坍塌 （WTT）、整体坍塌（ZTTT）。
- 类别设置覆盖了建筑物从完好、部分损坏到完全坍塌的完整状态谱系，直接服务于灾害评估决策。
- 未坍塌类作为负样本/对照组，有助于模型学习正常建筑特征，提升坍塌识别的准确性。
数据规模与划分
- 图像总量约 1976 张，按约 94:4:2 比例划分为训练集（1852张）、验证集（83张）与测试集（41张），划分规范。
- 图像分辨率统一为 640×640，可直接输入常见检测网络。
- 同时提供 YOLO 、VOC 、COCO 三种通用标注格式，灵活适配不同检测框架。
配套资源与源码
- 附赠基于 YOLOv11n 训练的完整模型（训练80轮），可直接推理或作为迁移学习起点。
- 提供全部训练 + 测试源代码。
- 提供 PyQt5 可视化界面（含源码、.ui、.qrc、图标文件），支持图片、视频、摄像头实时检测，实时显示目标位置、总数、置信度等信息。
- 零基础用户可选用远程配置服务（包安装 CPU 版本环境）。
- 运行环境：Python=3.8、opencv-python、PyQt5、torch，支持 Windows、Linux 系统。
知识普及：建筑物坍塌检测的技术要点
- 坍塌形态多样：局部坍塌可能表现为部分结构缺失或倾斜，整体坍塌则为大面积倒塌或废墟堆积，模型需学习这些形态差异。
- 背景干扰：灾后场景中碎片、灰尘、烟雾等可能与坍塌特征混淆，模型需依赖上下文信息进行区分。
- 尺度变化：建筑物尺寸受拍摄距离影响显著，需采用多尺度特征融合策略。
- 类别不平衡：各类别样本数量存在差异，训练时可采用类别加权损失或过采样策略。
- 应用闭环 ：检测结果可结合GIS信息，生成坍塌分布图与灾害评估报告，辅助应急指挥与重建规划。
快速开始（代码示例）
配置文件 data.yaml 示例：
yaml
train: ./dataset/images/train
val: ./dataset/images/val
test: ./dataset/images/test
nc: 3
names: ['JBTT', 'WTT', 'ZTTT']启动 YOLOv11n 训练：
python
from ultralytics import YOLO
model = YOLO('yolo11n.pt')
model.train(
data='data.yaml',
epochs=80,
imgsz=640,
batch=16,
device=0
)标签
建筑物坍塌 灾害评估 坍塌程度 目标检测 YOLO格式 深度学习数据集 计算机视觉