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

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 复制代码
train: ./dataset/images/train
val: ./dataset/images/val
test: ./dataset/images/test
nc: 3
names: ['JBTT', 'WTT', 'ZTTT']

启动 YOLOv11n 训练:

python 复制代码
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

相关推荐
伞伞悦读10 分钟前
【第90期】KNN分类回归流水线与K值对照的实验与排查
大数据·人工智能·python·深度学习·机器学习
老余说AI12 分钟前
跨境电商、课程出海:六款多语言视频翻译工具选型指南
大数据·运维·人工智能
码农杂谈000737 分钟前
不止三折叠:网易智企 IM UIKit 鸿蒙版一键升级多形态适配
人工智能
泯泷1 小时前
别再手动盯盘了!用这个免费工具实现股市自动监控
人工智能
会飞锦鲤1 小时前
基于 RT-DETR 的 PCB 缺陷检测
深度学习·目标检测·计算机视觉·pyqt5·rt-detr·工业质检·pcb缺陷检测
陈如水1 小时前
Spring AI Alibaba 在多 Agent 场景下的实践
java·人工智能·spring
瓶瓶持续学习中2 小时前
物理AI与具身智能的技术架构区别:从空间建模到机器人动作执行
人工智能·机器人
羲云网络2 小时前
GPT Image 2.6 精准编辑前,先排查参考图的访问权限与输入交接
图像处理·人工智能·aigc
snakeshe10102 小时前
ChatGLM行业垂直领域微调实战:从需求分析到数据集加载完整流程
人工智能