建筑物损伤检测数据集 | 建筑物损伤 裂缝检测 渗漏识别 脱落检测 9143期数据集概述本数据集专注于建筑物结构表观损伤的视觉检测与分类服务于建筑安全巡检、老旧小区改造及市政工程健康监测。数据涵盖五类典型建筑损伤适配无人机航拍巡检、外立面隐患排查及自动化损伤识别等应用。数据集核心信息数据要素详细说明类别共5类裂缝、渗漏、脱落、锈蚀、鼓包数量14304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11443张验证集1430张测试集1431张应用价值1.结构巡检支撑建筑物外立面损伤的自动化检测与分类替代人工登高检查。2.安全排查辅助老旧小区外立面隐患排查自动标记裂缝、脱落风险区域。3.健康监测为桥梁、高架、廊道等构筑物的结构健康监测提供数据基础。4.算法研发为多类别损伤检测、细粒度识别等视觉任务提供大规模训练与评测数据。完整类别列表共5类序号英文名称中文释义包含该类图像数标注框总数0crackrotation裂缝6253170441leakagerotation渗漏246466422abscissionrotation脱落5165227003corrosionrotation锈蚀210292074bulgerotation鼓包11701851数据三要素解析类别与损伤覆盖数据集定义5类建筑典型损伤裂缝crack、渗漏leakage、脱落abscission、锈蚀corrosion、鼓包bulge。损伤类型覆盖了混凝土结构从物理开裂、渗水到材料劣化、涂层脱落的多种失效模式具有较强的工程实用性。类别名称后缀“rotation”表明数据可能包含了旋转增强样本。数据规模与划分图像总量达14304张规模充足能支撑多类别损伤检测模型的稳健训练。按约80:10:10比例规范划分为训练集11443张、验证集1430张与测试集1431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、置信度等信息支持结果导出。运行环境Python3.8、opencv-python、PyQt5、torch支持 Windows、Linux 系统。知识普及建筑物损伤视觉检测的技术要点裂缝的细长特征裂缝呈细长线状对检测算法的边缘保持能力要求较高。建议采用多尺度特征融合或专门的小目标检测头。渗漏与锈蚀的边界模糊渗漏、锈蚀等损伤边界可能模糊与建筑表面纹理交织需依赖色彩与纹理特征进行区分。脱落与鼓包的形态差异脱落通常呈现不规则缺失区域鼓包呈局部隆起模型需依赖形状与阴影特征进行区分。背景干扰建筑表面装饰、门窗、管线等可能与损伤混淆建议训练时加入相关数据增强。类别不平衡鼓包类样本较少1170张裂缝类较多6253张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导入建筑管理系统结合GPS信息生成损伤分布图与维修工单辅助安全决策。快速开始代码示例1. 准备配置文件 (data.yaml)path:./building_damage_datasettrain:images/trainval:images/valtest:images/testnc:5names:[crackrotation,leakagerotation,abscissionrotation,corrosionrotation,bulgerotation]2. 启动 YOLOv11n 训练fromultralyticsimportYOLO modelYOLO(yolo11n.pt)train_resultsmodel.train(datadata.yaml,epochs80,imgsz640,batch8,device0,workers2,projectbuilding_damage,nameyolo11n_building,conf0.25)# 验证模型精度metricsmodel.val()print(fmAP0.5 {metrics.box.map50:.4f})# 单图推理model.predict(test.jpg,saveTrue,conf0.3)# 导出onnx部署模型model.export(formatonnx)3. PyQt5 可视化检测界面importsysimportcv2fromPyQt5.QtWidgetsimportQApplication,QMainWindow,QPushButton,QLabel,QFileDialogfromPyQt5.QtGuiimportQImage,QPixmapfromultralyticsimportYOLOclassDetWindow(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(建筑物损伤检测系统 YOLOv11)self.resize(1000,700)self.modelYOLO(runs/building_damage/yolo11n_building/weights/best.pt)self.btn_imgQPushButton(图片检测,self)self.btn_img.move(20,20)self.btn_img.clicked.connect(self.detect_img)self.label_showQLabel(self)self.label_show.setGeometry(20,80,800,550)defdetect_img(self):fname,_QFileDialog.getOpenFileName()ifnotfname:returnresself.model(fname,conf0.3)imgres[0].plot()imgcv2.cvtColor(img,cv2.COLOR_BGR2RGB)h,w,cimg.shape qimgQImage(img.data,w,h,c*w,QImage.Format_RGB888)self.label_show.setPixmap(QPixmap.fromImage(qimg))if__name____main__:appQApplication(sys.argv)winDetWindow()win.show()sys.exit(app.exec_())标签建筑物损伤裂缝检测渗漏识别脱落检测目标检测YOLO格式深度学习数据集计算机视觉