超高分辨率大规模桥梁损伤检测数据集11123张38GB数据量yolovoccoco三种标注方式图像尺寸:3456*4608类别数量:6类训练集图像数量:8898; 验证集图像数量:1112 测试集图像数量:1113类别名称: 每一类图像数 每一类标注数Breakage - 破损716819167Reinforcement - 钢筋378713328Comb - 梳状病害32085712Crack - 裂缝19234647Seepage - 渗水18164366Hole - 孔洞8521227image num: 11123一、桥梁损伤检测数据集完整参数表格项目详细参数数据集名称超高分辨率大规模桥梁病害损伤检测数据集总图片数量11123张整体数据体积38GB单张分辨率3456 × 4608超高像素航拍/巡检实拍大图标注格式YOLO txt、VOC xml、COCO json 三格式全覆盖病害总类别6类桥梁常见结构病害数据集划分训练集8898张验证集1112张测试集1113张各类别样本标注分布明细病害类别中文名称包含该病害图片总数标注框总数量Breakage混凝土破损716819167Reinforcement钢筋外露378713328Comb梳状病害32085712Crack裂缝19234647Seepage渗水水渍18164366Hole孔洞8521227二、适配推荐模型与训练配置推荐选用网络轻量化部署YOLOv11n / YOLOv8n移动端、巡检无人机端搭载高精度科研YOLOv11s / YOLOv11m / YOLOv9超高分辨率大图病害精准识别训练基础参数输入缩放尺寸1536 / 2048适配超大原图保留细微裂缝特征推荐轮次100~150 epoch优化器AdamW批次大小2~4原图体积大显存占用高适用场景小目标裂缝识别、细微渗水痕迹检测三、应用场景桥梁定期安全巡检无人机航拍、桥检车实拍图像自动化病害筛查替代人工肉眼巡查提升巡检效率规避高空作业风险交通基建运维养护高速桥梁、市政立交桥、铁路桥梁长期健康监测记录裂缝扩张、渗水恶化、破损发展时序变化公路养护单位数字化平台批量导入巡检影像自动统计病害位置、数量、严重程度生成养护报告高校/科研课题超大分辨率图像小目标检测、土木工程AI病害识别、多类别不平衡样本优化研究嵌入式边缘端部署便携桥检设备本地实时病害识别无需云端传输核心大标签#桥梁病害检测 #桥梁裂缝识别 #基建AI巡检 #YOLO桥梁检测 #土木工程计算机视觉技术细分标签#超高分辨率目标检测 #多类别病害数据集 #YOLOv11 #VOCCOCO标注数据集 #小目标裂缝检测长尾引流关键词大规模桥梁损伤数据集、38GB桥梁航拍病害数据、6类桥梁破损渗水钢筋识别、超高像素路桥巡检数据集、土木毕设AI病害检测素材、桥梁健康监测深度学习数据集五、配套简易训练推理代码1、data.yaml配置文件path:./bridge_damage_datasettrain:images/trainval:images/valtest:images/testnc:6names:0:Breakage1:Reinforcement2:Comb3:Crack4:Seepage5:Hole2、YOLOv11简易训练代码fromultralyticsimportYOLOif__name____main__:# 选用高精度小尺寸模型modelYOLO(yolo11s.pt)resultsmodel.train(datadata.yaml,epochs120,imgsz1536,batch3,device0,patience15,projectbridge_damage_exp,nameyolo11s_bridge_train)# 验证精度val_resmodel.val()print(fmAP0.5:{val_res.box.map50:.3f})3、单张图片病害推理代码fromultralyticsimportYOLO# 加载训练完成权重modelYOLO(./bridge_damage_exp/yolo11s_bridge_train/weights/best.pt)# 大图推理保留细微病害特征predmodel.predict(sourcebridge_test.jpg,imgsz1536,conf0.3,saveTrue)forresinpred:boxesres.boxesprint(f本次检测病害总数{len(boxes)})# 循环输出每一处病害类别、置信度、坐标forboxinboxes:cls_idint(box.cls)conffloat(box.conf)xyxybox.xyxy.tolist()[0]print(f类别{model.names[cls_id]}置信度{conf:.2f}坐标{xyxy})
)
