超高分辨率航拍建筑物缺陷检测数据集深度学习 目标检测 无人机航拍 建筑缺陷 裂缝检测 YOLO格式 数据集发布9042期
一、数据集核心信息一览
| 项目 | 内容 |
|---|---|
| 类别数量 | 3 类 |
| 类别名称(中文) | 剥落、裂缝、潮湿 |
| 数据数量 | 2765 张超高分辨率航拍图像 |
| 数据集格式 | YOLO 格式(默认),另提供 VOC、COCO 标注 |
| 最重要应用价值 | 面向建筑外立面病害巡检,支撑剥落、裂缝、潮湿缺陷识别与建筑健康评估 |
二、数据三要素简要概述
(一)类别构成
该数据集共设 3 个类别:剥落、裂缝、潮湿,聚焦建筑外立面的典型病害类型。类别体系精简且指向明确,覆盖结构性与外观性缺陷的主要形态——剥落反映表层脱落,裂缝反映结构损伤,潮湿反映渗漏隐患,语义边界清晰,便于直接对接建筑病害排查与健康评估任务。
(二)数据数量
数据集规模为 2765 张超高分辨率航拍图像,尺寸达 3472×4624,已按约 8.8:0.9:0.3 划分为训练集 2419 张、验证集 258 张、测试集 88 张。类别标注量差异明显:裂缝涉及 2561 张图像、含标注框 6853 个,属高频缺陷;剥落 1026 个、潮湿仅 460 个,长尾特征突出。超高分辨率便于捕捉细小裂缝与表层细节,样本质量较高。
(三)应用价值
其核心价值体现在三方面:一是服务建筑外立面病害巡检,支持剥落、裂缝、潮湿等缺陷的自动识别与定位,替代低效的人工近距离检查;二是支撑建筑健康评估与维护决策,为结构安全隐患排查提供数据依据;三是适配主流检测框架训练,兼容 YOLO、VOC、COCO 三种标注格式并提供 building_defect.yaml 配置,可快速接入模型研发与工程落地。
三、使用建议
- 测试集仅 88 张,评测时建议多次随机切分取均值,降低指标波动;
- 潮湿与剥落样本偏少,建议采用类别权重或重采样策略;
- 超高分辨率图像建议切片训练,以保留细小裂缝的纹理细节;
- 迁移至新建筑场景时,建议补充不同材质与光照条件样本进行微调。
四、结语
该数据集以清晰的三类建筑缺陷体系、2765 张超高分辨率航拍图像与三种通用标注格式,为建筑外立面病害检测提供了高质量的数据基础。无论是剥落、裂缝、潮湿识别,还是建筑健康评估与病害巡检算法开发,均具备较高实用价值,适合建筑运维与计算机视觉领域研究者纳入数据工具箱。
文章标签:深度学习 目标检测 无人机航拍 建筑缺陷 裂缝检测 YOLO格式 数据集发布
转载自 CSDN-专业IT技术社区
原文链接:https://blog.csdn.net/qq_2529413168/article/details/171108683




