简介这是一套面向目标检测任务的航拍路面病害识别数据集适用于YOLO系列、Faster RCNN、SSD等主流检测模型主要服务于道路养护巡检、病害自动化筛查等场景。数据集共包含7个病害类别覆盖纵向裂缝、横向裂缝、龟裂、斜裂、修补、块裂与坑洞全部标注为YOLO格式的txt文件并配有指定类别信息的yaml配置文件标注内容包含目标的类别标签与边界框坐标可直接被常见检测框架解析。压缩包内共2000个文件含1999个txt标签文件和1个yaml配置文件包体约194.08MB。作者已将图片和txt标签划分为训练集、验证集与测试集下载后即可组织目录并启动YOLO训练流程无需自行清洗或转换格式。目前已有390人学习适合需要快速获取高质量航拍路面标注数据、开展缺陷检测算法研究与工程落地的开发者。1. 航拍路面病害识别数据集3151 张图、7 类病害YOLO 和 VOC 双格式直接开训做路面病害检测的朋友应该都有体会无人机航拍图和地面相机拍的图根本不是一回事。视角高、目标小、光照不均、阴影杂乱同一个裂缝在 50 米高度和 1 米高度拍出来特征完全两个样。很多搞土木检测的团队自己飞了几个架次攒了一堆图结果发现标注才是真正的无底洞。这份航拍路面病害识别数据集正好是补这个缺口的3151 张真实航拍图覆盖纵向裂缝、横向裂缝、龟裂、斜裂缝、修补区、块状裂缝、坑槽这 7 类路面病害图片和 txt 标签、xml 标签都齐了而且已经按训练集、验证集、测试集分好。如果你正在做 YOLO 系列、Faster R-CNN、SSD 这类目标检测任务拿过来就能训不用再花几周去标注和整理数据。这份资源适合三类人一是搞道路养护自动巡检、需要快速出基线模型的算法工程师二是做毕业设计或课程项目、需要一份标注规范的数据集来训练检测模型的学生三是想了解航拍视角下路面病害到底长什么样、检测难点在哪儿的入门者。下面我从数据构成、格式转换、训练配置和踩坑这几个维度把它拆开讲。2. 数据集的真实构成从文件名到标签格式逐项拆解2.1 文件命名规则和训练/验证/测试划分方式先看这批文件的命名比如0156_6_1.txt、0729_4_2.txt、0029_1_7.txt。前四位数字是图片编号中间是类别编号最后一位是同一张图里的实例序号。举个例子0156_6_1.txt表示第 156 号图片属于第 6 类Block crack 块状裂缝是这张图里的第 1 个目标实例。这个命名习惯和很多公开数据集的标注文件命名方式一致好处是你在排查某个类别的样本时直接在文件名上就能看出这一张是哪个类不用打开文件才看得到。图片数量按最小文件名和最大文件名的范围推测规模约在千张以上。训练集、验证集、测试集已经按目录或者按文件清单划分好了这一点非常关键。很多开源数据集只给原始图片和标签划分得自己来一旦划分不当就会出现类别分布不均的问题比如某个类别的目标在训练集里出现 80%在验证集里只有 3%。这份数据已经做好划分省掉了最容易被忽视的坑。2.2 YOLO 格式 txt 标签的字段含义与归一化换算YOLO 格式的 txt 标签每行代表一个目标格式是class x_center y_center width height四个坐标值都是相对于图片宽高的归一化数值取值范围在 0 到 1 之间。比如一份0156_6_1.txt的内容大致如下5 0.482143 0.371528 0.126536 0.088194 5 0.621302 0.453279 0.094181 0.071534 2 0.193847 0.682450 0.078812 0.064902第一行表示第 5 类Repair中心点在图片的 (48.2%, 37.2%) 位置框宽占整张图宽度的 12.7%框高占整张图高度的 8.8%。注意这里的 class 编号是从 0 开始的也就是第 6 类 Block crack 对应的类别编号是 5这个很容易搞混尤其是在多类别项目里经常有人把类别编号和类别序号混为一谈导致模型训练时 loss 正常下降但推理结果类别全错。如果你需要把 YOLO 格式转回像素坐标来验证标注质量我一般会用下面的 Python 脚本import os def yolo_to_pixel(img_width, img_height, yolo_path, output_dir): 将 YOLO 格式的归一化坐标转为像素坐标并输出为可视文件 参数: img_width: 图片宽度像素 img_height: 图片高度像素 yolo_path: YOLO 标注文件路径 output_dir: 输出目录 os.makedirs(output_dir, exist_okTrue) with open(yolo_path, r) as f: lines f.readlines() # 类别名称与编号的对应关系 class_names { 0: Longitudinal crack, 1: Transverse crack, 2: Alligator crack, 3: Oblique crack, 4: Repair, 5: Block crack, 6: Pothole } with open(os.path.join(output_dir, converted.txt), w) as out: for line in lines: line line.strip() if not line: continue parts line.split() cls_id int(parts[0]) x_center float(parts[1]) y_center float(parts[2]) w float(parts[3]) h float(parts[4]) # 从归一化坐标反算像素坐标 x_min int((x_center - w / 2) * img_width) y_min int((y_center - h / 2) * img_height) x_max int((x_center w / 2) * img_width) y_max int((y_center h / 2) * img_height) out.write(f{class_names[cls_id]} {x_min} {y_min} {x_max} {y_max}\n) print(f类别: {class_names[cls_id]}, 像素框: ({x_min}, {y_min}) - ({x_max}, {y_max})) # 示例调用 yolo_to_pixel(1920, 1080, 0156_6_1.txt, ./pixel_output)这段脚本的逻辑很简单用(x_center - w / 2) * img_width计算出左上角的 x 坐标用(x_center w / 2) * img_width计算出右下角的 x 坐标y 方向同理。这样转出来的像素坐标可以直接用 OpenCV 画框或者写入 XML 查看。做这一步的主要目的是检查标注框有没有跨边界、太小、或者中心点明显偏移的问题这些在归一化坐标里不容易看出来但转成像素坐标后一眼就能发现。2.3 VOC 格式 XML 标签与 YOLO 标签的对应关系数据集中同时提供了 xml 标签这是 VOC 格式的标注。VOC XML 的结构是annotation根节点下包含object节点每个object里有name类别名、bndbox像素坐标框等字段。它和 YOLO 格式的核心区别在于坐标表达VOC 存的是像素绝对值xmin、ymin、xmax、ymaxYOLO 存的是归一化的中心点加宽高。如果你的目标检测框架不支持 YOLO 格式而是要读 VOC这份数据直接就能用。如果你的框架只支持 YOLO那直接读 txt 文件也行根本不用自己写格式转换脚本。双格式覆盖是我比较看重的点这意味着无论是 YOLOv5、YOLOv8 这类偏好 txt 的还是 Faster R-CNN 这类偏好 VOC 的拿过来都能直接对接。2.4 数据集的类别体系与分布特征这份数据集共 7 个类别Longitudinal crack纵向裂缝、Transverse crack横向裂缝、Alligator crack龟裂、Oblique crack斜裂缝、Repair修补、Block crack块状裂缝、Pothole坑槽。做路面检测的看到这套类别体系应该能感觉到它和国内《公路技术状况评定标准》JTG 5210里对路面损坏的分类基本对得上。不过要注意龟裂和块状裂缝在实际航拍图中经常互相混淆——龟裂纹路更细密、呈蛛网状块状裂缝的裂块更大、边界更清楚。同一个目标不同人标出来的类别可能不一样这是路面病害检测领域公开数据集的通病所有做这个方向的人心里都有数。3. 从数据集到可训练模型完整跑通 YOLOv8 训练流程3.1 数据集目录结构的标准摆法这份数据集已经划分好训练集、验证集、测试集你拿过来后第一件事是确认目录结构。我建议按下面的标准结构摆放也就是 YOLO 系列任务默认的images和labels分目录存放方式path/to/dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yaml如果你拿到的是散落的文件而不是这个结构比如所有图片在一个文件夹、所有 txt 在另一个文件夹可以用下面的 Python 脚本按比例划分并整理import os import random from shutil import copy2 def organize_dataset(img_dir, label_dir, output_dir, train_ratio0.8, val_ratio0.1): 将散落的图片和标签整理成 YOLO 标准目录结构 参数: img_dir: 图片所在目录 label_dir: txt 标签所在目录 output_dir: 输出根目录 train_ratio: 训练集比例 val_ratio: 验证集比例 imgs [f for f in os.listdir(img_dir) if f.endswith((.jpg, .jpeg, .png))] random.shuffle(imgs) train_count int(len(imgs) * train_ratio) val_count int(len(imgs) * val_ratio) train_imgs imgs[:train_count] val_imgs imgs[train_count:train_count val_count] test_imgs imgs[train_count val_count:] for split, split_imgs in [(train, train_imgs), (val, val_imgs), (test, test_imgs)]: for sub in [images, labels]: os.makedirs(os.path.join(output_dir, sub, split), exist_okTrue) for img in split_imgs: base os.path.splitext(img)[0] src_img os.path.join(img_dir, img) dst_img os.path.join(output_dir, images, split, img) copy2(src_img, dst_img) src_txt os.path.join(label_dir, base .txt) if os.path.exists(src_txt): dst_txt os.path.join(output_dir, labels, split, base .txt) copy2(src_txt, dst_txt) else: print(f警告: 图片 {img} 没有对应的标签文件) print(f划分完成: 训练 {len(train_imgs)} 张, 验证 {len(val_imgs)} 张, 测试 {len(test_imgs)} 张)这个脚本里的划分逻辑是随机打乱后按 8:1:1 切分train_ratio和val_ratio可以按你的数据量调整。值得说的一点是copy2保留原有文件的元数据这在复现实验时比较有用。如果原文件已经是划分好的就不需要跑这个脚本直接用就行了。3.2 data.yaml 的配置要点数据集里已经提供了包含指定类别信息的 yaml 文件。YOLOv8 训练时需要一个 data.yaml 指向图片目录和类别列表它的基本结构如下# 数据集根目录可以是绝对路径也可是相对路径 path: /home/user/datasets/aerial_road_damage # 三个子目录相对于 path 的路径 train: images/train val: images/val test: images/test # 类别数量 nc: 7 # 类别名称顺序必须与 txt 标注中的类别编号一一对应 names: 0: Longitudinal crack 1: Transverse crack 2: Alligator crack 3: Oblique crack 4: Repair 5: Block crack 6: Pothole这里最容易翻车的点就是 names 顺序和 txt 标注里的 class id 不一致。比如你把Longitudinal crack放在第 2 位而 txt 里的0本来指的是 Longitudinal crack那模型训练的时候类别编码就是错的最后推理出来的类别语义语义全对不上。打开现有 yaml 文件后一定要拿一个标注文件的第一个数字和 yaml 里的第几个名字对应一下确认无误再开始训练。3.3 用 YOLOv8 训练这份数据集的完整命令现在数据目录和 yaml 都准备好了可以直接跑训练。以 Ultralytics YOLOv8 为例完整训练命令如下# 安装依赖如果还没装 pip install ultralytics # 开始训练指定配置文件、数据文件、训练轮数、输入尺寸 yolo detect train \ modelyolov8n.pt \ datadata.yaml \ epochs100 \ imgsz640 \ batch16 \ workers8 \ device0 \ projectaerial_road_damage \ nameexp_yolov8n这段命令的含义yolov8n.pt是从 COCO 预训练权重开始微调比从头训练收敛快得多imgsz640是航拍图的常见输入尺寸太小会丢失小目标裂缝的细节太大增加显存开销batch16是根据 16GB 显存设的显存小就降到 8 或 4device0使用第一张 GPU如果是 CPU 环境就改成devicecpu但速度会慢几十倍。训练完成后验证集上的 mAP50 和 mAP50-95 会输出在project/exp_yolov8n/目录下。如果你用的是 YOLOv5核心参数基本一致区别是模型的加载方式和配置文件不同。YOLOv5 用的是yolov5s.pt、--data data.yaml、--epochs 100这类命令行传参方式。无论哪个版本都要关注 mAP50 和 mAP50-95 两个指标前者是 IoU 阈值 0.5 时的平均精度后者是 0.5 到 0.95 的均值后者更能反映检测框的精细程度。3.4 用小模型先跑通再决定是否换大模型我第一次跑这种航拍数据集时习惯先用yolov8n或yolov8s这种轻量型号跑 50 个 epoch把整个流程验证通再说。原因很简单航拍图片分辨率高、目标数量多直接用 x 模型起步很容易遇到显存不足、训练时间过长、loss 震荡等问题不好定位是数据问题还是模型问题。先用小模型跑通确认数据加载没问题、标注没问题、loss 能正常收敛再迭代升级到大模型。如果小模型训完 mAP50 就已经有 0.6 以上说明数据质量是好的如果小模型 mAP50 甚至上不了 0.3那就别急着换大模型先回头查标注和数据处理。4. 训练避坑指南航拍路面数据集最常踩的四个坑4.1 标签类别编号错位导致训练出来看着收敛但全部分错现象训练过程 loss 正常下降mAP 数值也挺好看但推理出来的结果类别和张图片实际内容完全对不上。比如图片里明明是坑槽模型却标成了修补。原因yaml 文件里的 names 顺序和 txt 标注里整数 class id 的映射不一致。这份数据集有 7 个类别标注文件里数字 0 对应 Longilitudinal crack5 对应 Block crack6 对应 Pothole。如果你在 yaml 里把0: Pothole填在了第一位那 Pothole 的实际编号 6 被映射成了 0所有类别的推理结果就会全部错位。解决训练前写一个两行的小脚本做映射校验import yaml with open(data.yaml, r) as f: cfg yaml.safe_load(f) names cfg[names] # 打开任意一个 label 文件看 class id 对应的名称 with open(labels/train/0156_6_1.txt, r) as f: first_line f.readline().strip() cls_id int(first_line.split()[0]) print(f数据集中 class id {cls_id} 对应: {names[cls_id]}) # 再对照文件名中间的数字字段验证 file_id 0156_6_1.txt.split(_)[1] print(f文件名标明类别序号: {file_id}应为: {names[int(file_id) - 1]})这个脚本输出两行信息一行来自 yaml 映射一行来自文件名的自然标注。两者一致才说明映射没问题。之后每次新建实验我都先跑它一遍几秒钟的事能省掉大量无效训练时间。4.2 小目标裂缝漏检Mosaic 增强反而帮了倒忙现象验证集上 mAP50 可以但单独查看 Pothole 和 Longitudinal crack 的检测结果时发现细长的横向裂缝或者很小的坑槽经常漏检尤其当目标直径小于 20 像素的时候。原因航拍图里的裂缝本身就是细长结构宽度可能只有几个像素。YOLOv8 默认开启 Mosaic 数据增强多张图拼一起后目标会被缩放得更小本来就只有十几个像素宽的裂缝在增强后变成三五个像素特征几乎消失。解决训练时关闭或减弱 Mosaic。Ultralytics 提供直接配置参数的方式yolo detect train \ modelyolov8s.pt \ datadata.yaml \ epochs100 \ mosaic0.0 \ imgsz640 \ batch16mosaic0.0表示完全关闭 Mosaic 增强。如果担心关闭后数据多样性下降可以设mosaic0.5做一个折中。另外imgsz可以尝试提到 960 甚至 1280给裂缝更多像素空间代价是倍增的显存需求和更长的训练时间。根据我的经验航拍道路这种小目标场景imgsz960比 640 的 mAP50-95 通常要高出 2 到 4 个百分点训练时间也相应增加。4.3 类别不均衡让多数类主导训练现象训练早期 mAP 快速上升但跑到 60 个 epoch 后基本不再波动。查看每个类别的 AP 值发现 Pothole 和 Repair 很高Alligator crack 和 Block crack 很低。原因这类路面病害数据天然不均衡。坑槽和修补区域边界清晰、数量多、易标注龟裂和块状裂缝样本少、视觉上接近、不易标注模型在训练时学到的特征不充分。解决先统计每个类别的目标数量# 统计所有训练集标签中每个类别出现的次数 cat labels/train/*.txt | awk {print $1} | sort | uniq -c | sort -rn输出大概是这样的1234 4 1087 0 856 5 432 2 301 1 198 3 145 6看到第 4 类有 1234 个目标第 6 类只有 145 个目标比例接近 10:1。这时有两个常用手段一是给少数类更高的 cls loss 权重在 YOLOv8 中可以调整cls1.5或更高但这个参数在工程上比较敏感改大容易导致 loss 不稳定二是做简单的过采样把少数类的图片在训练中多喂几次。最简单有效的做法还是去补充少数类的标注样本如果实在补不到就训练前把数据集的类别分布情况记下来在上报告或论文时如实说明这也是负责任的工程态度。4.4 航拍图的原尺寸和训练尺寸不一致导致推理偏移现象训练好的模型在验证集上分数满意但部署到实际航拍图上时小目标的检测框位置偏了或者漏检严重。原因训练时imgsz640而实际航拍图原尺寸可能是 4000x3000 甚至更大。推理时输入会被缩放缩放后细长裂缝的宽高比例发生畸变模型在训练时没见过这种比例的输入表现自然打折扣。解决尽量保持训练和推理输入尺寸一致或者推理时采用 SDA持续尺度增强类策略对同一张图多尺度推理后融合结果。最简单的方式是先对原图做滑窗裁剪把大图切成 640x640 的块每块推理后再把结果拼回去。下面是一个滑窗推理的示例import cv2 from ultralytics import YOLO def sliding_window_infer(model, img_path, window_size640, stride320): 对高分辨率航拍图做滑窗推理 参数: model: 已训练好的 YOLO 模型 img_path: 航拍大图路径 window_size: 滑窗尺寸 stride: 滑窗步长重叠区域提升小目标召回率 img cv2.imread(img_path) h, w img.shape[:2] results_all [] y 0 while y h: x 0 while x w: # 切出当前窗口 window img[y:ywindow_size, x:xwindow_size] # 推理当前窗口 results model(window, conf0.25, imgszwindow_size) for r in results: boxes r.boxes for box in boxes: # 把窗口内坐标转换回原图坐标 x1, y1, x2, y2 box.xyxy[0].tolist() x1 x; y1 y x2 x; y2 y cls int(box.cls[0]) conf float(box.conf[0]) results_all.append([x1, y1, x2, y2, cls, conf]) x stride y stride return results_all # 加载模型并推理 model YOLO(best.pt) detections sliding_window_infer(model, aerial_capture_001.jpg) print(f共检测到 {len(detections)} 个目标)这个滑窗脚本的核心逻辑是用 640 大小的窗口和 320 的步长遍历整张大图窗口之间有一半重叠避免目标正好落在窗口边缘被切掉。每个窗口推理时坐标要加回偏移量最后得到整张大图的检测结果。窗口大小和步长是关键参数窗口越大看到的上下文越丰富但小目标细节越差步长越小重叠越多但推理时间越长。对这种航拍病害检测场景我一般用 512 到 640 的窗口和 256 到 320 的步长。5. 把这份数据集用出自己的价值类合并策略、验证与误标注排查5.1 7 个类别是否都要保留根据任务场景决定合并策略拿到一份数据集后第一个要考虑的问题不是怎么训而是哪些类别值得训。这份数据集的 7 个类别中龟裂Alligator crack和块状裂缝Block crack在很多实际业务场景中是可以合并的——因为道路养护规范里这两类都归为裂缝类损坏处置方式都是灌缝或封层区分他们意义不大。你可以用下面的方式看一眼这两个类别在标签里的分布# 统计类别2Alligator crack和类别5Block crack的目标数量 cat labels/train/*.txt | awk $12 || $15 {print} | wc -l如果不区分直接把 class 2 和 class 5 的标注统一改成其中一个编号可以提升模型在合并类上的学习效果因为样本量变大了。但注意一个前提只有当你下游任务不需要区分这两类时才做合并。如果你的应用场景需要精确定位是哪种裂缝类型那就保留原始分类。做任何类别层面的调整前都要确认下游任务的实际需求这是工程判断力的问题。5.2 验证标注质量的两条硬标准跨边界检查和空标签检查数据集的标注质量直接决定模型精度上限而航拍路面数据是最容易出标注问题的。第一类问题是坐标跨边界某些标注框的 xmax 或 ymax 超出了图片宽高YOLO 训练时会自动 clip但 clipping 会导致目标中心移动从而引入误差。第二类问题是空标签有些图片的 txt 文件是空的这在训练时会纯粹成为背景样本如果空标签图片太多而你没注意到模型会对某些区域产生错误的无目标预期。检查脚本如下import os from PIL import Image def check_annotations(img_dir, label_dir): 检查标注文件是否有越界或为空的问题 参数: img_dir: 图片目录 label_dir: 标签目录 img_files os.listdir(img_dir) issue_count 0 for img_file in img_files: base os.path.splitext(img_file)[0] label_path os.path.join(label_dir, base .txt) # 检查标签是否存在 if not os.path.exists(label_path): print(f缺少标签: {img_file}) issue_count 1 continue # 检查标签是否为空 with open(label_path, r) as f: lines f.readlines() if len(lines) 0: print(f空标签: {img_file}) issue_count 1 continue # 读取图片尺寸 img Image.open(os.path.join(img_dir, img_file)) w, h img.size # 检查每个标注框是否越界 for line in lines: parts line.strip().split() _, x_center, y_center, box_w, box_h map(float, parts) x_min (x_center - box_w / 2) * w x_max (x_center box_w / 2) * w y_min (y_center - box_h / 2) * h y_max (y_center box_h / 2) * h if x_min 0 or y_min 0 or x_max w or y_max h: print(f越界框: {img_file}: {line.strip()}) issue_count 1 if issue_count 0: print(标注质量检查通过无越界框、无空标签、无缺失标签) else: print(f发现 {issue_count} 个标注问题) # 检查训练集 check_annotations(images/train, labels/train)这段脚本的核心逻辑是按 YOLO 格式反算像素坐标再对比图片的宽高判断是否越界。空标签的检查和缺失标签的检查在同一遍循环里完成。建议训练前跑一遍有问题的文件修完再训。我再强调一次这份数据集的标注大概率是经过人工校验的但传输、解压过程可能造成个别文件损坏花几分钟跑一遍检查脚本永远比训练完后去猜哪个文件有问题来得快。5.3 小模型快速验证数据可用性的完整路径拿到数据集后不建议直接上大模型猛训先用小模型快速验证数据可用性会高效很多。我常用的一条基线路径是yolov8n imgsz640 epochs50 关闭 Mosaic。整个流程在一个普通 8GB 显存的 GPU 上大约 1 到 2 小时能跑完。跑完看三个指标训练 loss 曲线是否平滑下降、验证集 mAP50 是否大于 0.5、每个类的 AP 值是否出现 0 或者极低值。如果第一个和第二个满足说明数据质量没问题如果第三个出现说明某个类别的标注存在问题需要检查一下该类别的标注框是否太小、是否重叠过多、或者是否图片中有大量目标但没有被标注到。跑通了这条基线之后再根据自己的资源情况决定是提升输入分辨率、换更大模型还是加数据增强。很多团队拿到新数据集喜欢一上来就开最大模型结果跑半天发现数据有问题这种血泪经历在目标检测项目里太常见了。从那以后我每拿到一份新数据集都强制先跑一遍小模型基线标注校验确认数据本身没有问题再去调模型结构和训练策略。这份航拍路面病害数据集本身就是双格式、已划分的如果你按上面的流程走下去从拿到数据到跑出第一版基线模型一个下午足够。希望这一整套拆解帮到你。本文还有配套的精品资源点击获取