尧图网站建设 
桥梁损伤实例分割数据集 | 桥梁损伤 实例分割 裂缝检测 钢筋外露 混凝土剥落9160期数据集概述本数据集专注于桥梁结构表观损伤的像素级实例分割服务于桥梁智能巡检、结构健康监测及养护决策。数据涵盖五类典型桥梁损伤适配无人机巡检、人工检测辅助及自动化病害识别等应用。数据集核心信息数据要素详细说明类别共5类裂缝检测、钢筋外露、混凝土剥落、断裂、泛碱数量3261张图像格式图像为 JPG/PNG分辨率512×512同时提供YOLO、VOC、COCO三种标注格式数据划分训练集2936张验证集162张测试集163张应用价值1.智能巡检支撑桥梁表观损伤的自动化检测与分割替代人工登高检查。2.量化评估通过像素级分割结果计算损伤面积辅助结构健康评级。3.养护决策为桥梁维修计划制定提供数据基础优化维护资源分配。4.算法研发为实例分割、多类别损伤识别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5类序号英文名称中文释义包含该类图像数标注框数量0Crack-Detection裂缝检测139122081Exposed Rebar钢筋外露4836632Spalling混凝土剥落4846753Break断裂4724934Efflorescence泛碱4222143数据三要素解析类别与损伤覆盖数据集定义5类桥梁典型损伤裂缝、钢筋外露、混凝土剥落、断裂、泛碱。损伤类型覆盖了混凝土桥梁从物理开裂、保护层剥落到材料劣化泛碱、结构断裂的主要失效模式。类别设置与桥梁养护技术规范中的常见病害分类相衔接具有较强的工程实用性。数据规模与划分图像总量约3261张按约90:5:5比例划分为训练集2936张、验证集162张与测试集163张划分规范。图像分辨率统一为512×512可直接输入常见分割网络。同时提供YOLO、VOC、COCO三种通用标注格式灵活适配不同分割框架。配套资源与源码附赠基于YOLOv11n-seg训练的完整模型训练60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 可视化界面含完整源码支持图片、视频、摄像头实时检测实时显示目标位置、类别、置信度等信息。知识普及桥梁损伤实例分割的技术要点裂缝的细长特征裂缝呈细长线状对分割算法的边缘保持能力要求较高。建议采用具有跳跃连接的网络结构如U-Net或YOLOv11-seg。泛碱的边界模糊泛碱等损伤边界可能模糊与混凝土表面纹理交织需依赖色彩与纹理特征进行区分。钢筋外露与剥落的关联钢筋外露常伴随混凝土剥落发生两者在空间上相邻模型需能同时定位并区分。类别不平衡裂缝类样本最多1391张泛碱类标注框数量最多2143个模型需学习各类别的特征分布。实例分割优势相比目标检测边界框实例分割能精确勾勒损伤轮廓支持面积、周长等几何参数计算对工程量化分析至关重要。应用闭环分割结果可导入桥梁管理系统结合桩号与结构信息生成损伤分布图与维修工单。快速开始代码示例1. 准备配置文件 (bridge_damage.yaml)path:./bridge_damagetrain:images/trainval:images/valtest:images/testnc:5names:[Crack-Detection,Exposed Rebar,Spalling,Break,Efflorescence]2. 启动 YOLOv11n-seg 训练fromultralyticsimportYOLOif__name____main__:modelYOLO(yolo11n-seg.pt)resultsmodel.train(databridge_damage.yaml,epochs60,imgsz512,batch12,device0,pretrainedTrue,patience8)print(训练完成best权重路径runs/segment/train/weights/best.pt)3. 单图推理fromultralyticsimportYOLOimportcv2importnumpyasnp modelYOLO(runs/segment/train/weights/best.pt)defseg_img(img_path):imgcv2.imread(img_path)resmodel(img,conf0.25)forrinres:boxesr.boxes masksr.masksifmasksisnotNone:masksmasks.data.cpu().numpy()forseg,boxinzip(masks,boxes):segseg.astype(np.uint8)color_masknp.zeros_like(img)color_mask[seg0](0,255,0)imgcv2.addWeighted(img,1,color_mask,0.4,0)x1,y1,x2,y2map(int,box.xyxy[0])cls_namemodel.names[int(box.cls[0])]conffloat(box.conf[0])cv2.rectangle(img,(x1,y1),(x2,y2),(255,0,0),2)cv2.putText(img,f{cls_name}{conf:.2f},(x1,y1-5),cv2.FONT_HERSHEY_SIMPLEX,0.5,(255,0,0),2)cv2.imwrite(result.jpg,img)returnimgif__name____main__:seg_img(test.jpg)4. PyQt5 可视化界面核心逻辑importsysimportcv2importnumpyasnpfromPyQt5.QtWidgetsimportQApplication,QMainWindow,QPushButton,QFileDialog,QLabel,QTableWidget,QTableWidgetItemfromPyQt5.QtGuiimportQImage,QPixmapfromPyQt5.QtCoreimportQtfromultralyticsimportYOLOclassMainWin(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(YOLOv11-seg桥梁损伤分割系统)self.setGeometry(60,60,1600,900)self.modelYOLO(runs/segment/train/weights/best.pt)self.result_imgNoneself.initUI()definitUI(self):self.label_originQLabel(原始图像,self)self.label_origin.setGeometry(20,30,700,550)self.label_origin.setStyleSheet(border:1px solid #777)self.label_resultQLabel(分割结果,self)self.label_result.setGeometry(760,30,700,550)self.label_result.setStyleSheet(border:1px solid #777)self.btn_imgQPushButton(选择图片,self)self.btn_img.setGeometry(20,600,130,40)self.btn_img.clicked.connect(self.load_image)self.tableQTableWidget(self)self.table.setGeometry(20,660,1440,200)self.table.setColumnCount(5)self.table.setHorizontalHeaderLabels([序号,类别,置信度,xmin,ymin,bbox])defload_image(self):file_path,_QFileDialog.getOpenFileName(self,打开图片,.,Image(*.png *.jpg *.bmp))ifnotfile_path:returnimg_oricv2.imread(file_path)# ... 推理与结果显示逻辑标签桥梁损伤实例分割裂缝检测钢筋外露混凝土剥落目标检测YOLO格式深度学习数据集计算机视觉 桥梁损伤实例分割数据集 | 桥梁损伤 实例分割 裂缝检测 钢筋外露 混凝土剥落9160期
桥梁损伤实例分割数据集 | 桥梁损伤 实例分割 裂缝检测 钢筋外露 混凝土剥落9160期数据集概述本数据集专注于桥梁结构表观损伤的像素级实例分割服务于桥梁智能巡检、结构健康监测及养护决策。数据涵盖五类典型桥梁损伤适配无人机巡检、人工检测辅助及自动化病害识别等应用。数据集核心信息数据要素详细说明类别共5类裂缝检测、钢筋外露、混凝土剥落、断裂、泛碱数量3261张图像格式图像为 JPG/PNG分辨率512×512同时提供YOLO、VOC、COCO三种标注格式数据划分训练集2936张验证集162张测试集163张应用价值1.智能巡检支撑桥梁表观损伤的自动化检测与分割替代人工登高检查。2.量化评估通过像素级分割结果计算损伤面积辅助结构健康评级。3.养护决策为桥梁维修计划制定提供数据基础优化维护资源分配。4.算法研发为实例分割、多类别损伤识别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5类序号英文名称中文释义包含该类图像数标注框数量0Crack-Detection裂缝检测139122081Exposed Rebar钢筋外露4836632Spalling混凝土剥落4846753Break断裂4724934Efflorescence泛碱4222143数据三要素解析类别与损伤覆盖数据集定义5类桥梁典型损伤裂缝、钢筋外露、混凝土剥落、断裂、泛碱。损伤类型覆盖了混凝土桥梁从物理开裂、保护层剥落到材料劣化泛碱、结构断裂的主要失效模式。类别设置与桥梁养护技术规范中的常见病害分类相衔接具有较强的工程实用性。数据规模与划分图像总量约3261张按约90:5:5比例划分为训练集2936张、验证集162张与测试集163张划分规范。图像分辨率统一为512×512可直接输入常见分割网络。同时提供YOLO、VOC、COCO三种通用标注格式灵活适配不同分割框架。配套资源与源码附赠基于YOLOv11n-seg训练的完整模型训练60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 可视化界面含完整源码支持图片、视频、摄像头实时检测实时显示目标位置、类别、置信度等信息。知识普及桥梁损伤实例分割的技术要点裂缝的细长特征裂缝呈细长线状对分割算法的边缘保持能力要求较高。建议采用具有跳跃连接的网络结构如U-Net或YOLOv11-seg。泛碱的边界模糊泛碱等损伤边界可能模糊与混凝土表面纹理交织需依赖色彩与纹理特征进行区分。钢筋外露与剥落的关联钢筋外露常伴随混凝土剥落发生两者在空间上相邻模型需能同时定位并区分。类别不平衡裂缝类样本最多1391张泛碱类标注框数量最多2143个模型需学习各类别的特征分布。实例分割优势相比目标检测边界框实例分割能精确勾勒损伤轮廓支持面积、周长等几何参数计算对工程量化分析至关重要。应用闭环分割结果可导入桥梁管理系统结合桩号与结构信息生成损伤分布图与维修工单。快速开始代码示例1. 准备配置文件 (bridge_damage.yaml)path:./bridge_damagetrain:images/trainval:images/valtest:images/testnc:5names:[Crack-Detection,Exposed Rebar,Spalling,Break,Efflorescence]2. 启动 YOLOv11n-seg 训练fromultralyticsimportYOLOif__name____main__:modelYOLO(yolo11n-seg.pt)resultsmodel.train(databridge_damage.yaml,epochs60,imgsz512,batch12,device0,pretrainedTrue,patience8)print(训练完成best权重路径runs/segment/train/weights/best.pt)3. 单图推理fromultralyticsimportYOLOimportcv2importnumpyasnp modelYOLO(runs/segment/train/weights/best.pt)defseg_img(img_path):imgcv2.imread(img_path)resmodel(img,conf0.25)forrinres:boxesr.boxes masksr.masksifmasksisnotNone:masksmasks.data.cpu().numpy()forseg,boxinzip(masks,boxes):segseg.astype(np.uint8)color_masknp.zeros_like(img)color_mask[seg0](0,255,0)imgcv2.addWeighted(img,1,color_mask,0.4,0)x1,y1,x2,y2map(int,box.xyxy[0])cls_namemodel.names[int(box.cls[0])]conffloat(box.conf[0])cv2.rectangle(img,(x1,y1),(x2,y2),(255,0,0),2)cv2.putText(img,f{cls_name}{conf:.2f},(x1,y1-5),cv2.FONT_HERSHEY_SIMPLEX,0.5,(255,0,0),2)cv2.imwrite(result.jpg,img)returnimgif__name____main__:seg_img(test.jpg)4. PyQt5 可视化界面核心逻辑importsysimportcv2importnumpyasnpfromPyQt5.QtWidgetsimportQApplication,QMainWindow,QPushButton,QFileDialog,QLabel,QTableWidget,QTableWidgetItemfromPyQt5.QtGuiimportQImage,QPixmapfromPyQt5.QtCoreimportQtfromultralyticsimportYOLOclassMainWin(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(YOLOv11-seg桥梁损伤分割系统)self.setGeometry(60,60,1600,900)self.modelYOLO(runs/segment/train/weights/best.pt)self.result_imgNoneself.initUI()definitUI(self):self.label_originQLabel(原始图像,self)self.label_origin.setGeometry(20,30,700,550)self.label_origin.setStyleSheet(border:1px solid #777)self.label_resultQLabel(分割结果,self)self.label_result.setGeometry(760,30,700,550)self.label_result.setStyleSheet(border:1px solid #777)self.btn_imgQPushButton(选择图片,self)self.btn_img.setGeometry(20,600,130,40)self.btn_img.clicked.connect(self.load_image)self.tableQTableWidget(self)self.table.setGeometry(20,660,1440,200)self.table.setColumnCount(5)self.table.setHorizontalHeaderLabels([序号,类别,置信度,xmin,ymin,bbox])defload_image(self):file_path,_QFileDialog.getOpenFileName(self,打开图片,.,Image(*.png *.jpg *.bmp))ifnotfile_path:returnimg_oricv2.imread(file_path)# ... 推理与结果显示逻辑标签桥梁损伤实例分割裂缝检测钢筋外露混凝土剥落目标检测YOLO格式深度学习数据集计算机视觉