智慧驾驶道路缺陷检测科研专用】道路缺陷检测数据集｜3类2128张YOLO格式
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/42eca50663e476f91bd0d1c91e8bfe35.png)

【数据集规格】
• 文件：待定（下单后自动发送具体文件）![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/aa14d115f87a7967fa22fe13d1dfe6c1.png)


• 格式：标准YOLO txt标注，附完整data.yaml，解压即用![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/cfada41c97f4850d9bd3fbc4fc7f89c7.png)


• 规模：2128张图像 / 5095个标注框（自动过滤1条无效标注）

• 划分：训练集2009张 · 验证集119张
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/a5f7a6a8f26fb76e180008e9790d583c.png)

• 类别：3类（pothole坑洞、crack裂缝、manhole井盖）

【数据特性】
• 分辨率：标准训练尺寸640px，适配YOLO输入

• 标注规范：全YOLO格式+归一化坐标，兼容YOLOv8/v10/v11/v26等全系列![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/6be3cd42cb69022da039caa2b0fdfa50.png)


• 附赠资料：5张分析图表（子集分布/类别分布/尺寸分布/BBox统计等）+官方推荐训练参数，直接复制即可运行

• 数据提示：⚠️小目标占比31.0%（坑洞多为小目标），类别分布较均衡（裂缝52.1%/坑洞28.8%/井盖19.0%），已附针对性优化建议（提高输入分辨率/mosaic增强），降低试错成本

【YOLO26推荐训练参数】
• epochs=100 batch=16
imgsz=640

• optimizer='AdamW' amp=True
cache=True

• save_period=25 | workers=8（显存不足可调低）

【适用场景】
• YOLO系列道路缺陷检测模型训练与对比实验

• 市政巡检、路面养护相关算法研究

• 计算机视觉算法开发、模型性能验证

• 自动驾驶感知系统预研

# 道路缺陷检测数据集（科研专用）
## 一、数据集信息汇总表
|项目|详细参数|
| ---- | ---- |
|数据集名称|道路缺陷检测数据集|
|任务类型|目标检测（兼容YOLOv8/v10/v11/v26全系）|
|图像总量|2128张|
|标注框总数|5095个（已过滤无效标注）|
|数据集划分|训练集：2009张<br>验证集：119张|
|检测类别（3类）|pothole（坑洞）、crack（裂缝）、manhole（井盖）|
|图像分辨率|640px标准尺寸，适配YOLO模型输入|
|标注格式|标准YOLO TXT归一化坐标标注，附带data.yaml配置文件|
|样本特征|小目标占比31.0%，坑洞多为小目标<br>类别分布：裂缝52.1%、坑洞28.8%、井盖19.0%|
|配套资料|子集分布、类别分布、BBox尺寸分布等5项统计图表 + 专属训练优化方案|

## 二、数据集yaml配置 road_defect.yaml
```yaml
path: ./road_defect_dataset
train: images/train
val: images/val

nc: 3
names:
  0: pothole
  1: crack
  2: manhole
```

## 三、YOLOv26 官方推荐训练代码
```python
from ultralytics import YOLO

def train_road_defect():
    # 加载YOLOv26预训练权重，也可替换YOLOv8/v11权重
    model = YOLO("yolo26s.pt")
    
    results = model.train(
        data="./road_defect_dataset/road_defect.yaml",
        epochs=100,
        imgsz=640,
        batch=16,
        optimizer="AdamW",
        amp=True,
        cache=True,
        save_period=25,
        workers=8, #显存不足修改为0~4
        augment=True,
        mosaic=1.0, #针对大量小目标增强
        project="runs/train",
        name="road_defect_detect",
        exist_ok=True
    )
    #验证评估
    metrics = model.val()
    print(f"mAP@0.5：{metrics.box.map50:.4f}")

if __name__ == "__main__":
    train_road_defect()
```

## 四、推理预测代码
```python
from ultralytics import YOLO

model = YOLO("runs/train/road_defect_detect/weights/best.pt")

if __name__ == "__main__":
    result = model.predict(
        source="test.jpg", #支持图片/视频/摄像头
        conf=0.25,
        iou=0.45,
        save=True
    )
```

## 五、直接复制发布正文
标题：【科研专用】道路缺陷检测数据集｜3类2128张 YOLO标准格式
正文：
道路路面缺陷检测科研数据集，标准YOLO格式，解压直接训练，适配YOLOv8/v10/v11/v26全系列。
📦数据概况
共2128张图像，5095个有效标注框；训练集2009张，验证集119张
识别类别：坑洞pothole、裂缝crack、井盖manhole
样本640标准尺寸，31%小目标样本，附带类别分布统计图表。

💡科研优势
类别分布清晰，裂缝、坑洞、井盖真实道路场景采集；附带针对性训练优化方案，解决路面小目标漏检问题。
附赠全套统计分析图表+推荐训练参数，省去数据统计、调参试错时间。

✅适用方向
市政道路智能巡检、路面病害自动化养护、自动驾驶道路感知、计算机视觉课题实验、毕业论文算法研究。

⚠️备注：虚拟数据集资源，下单后发送全套文件。

## 六、关键词标签
#道路缺陷数据集 #路面坑洞裂缝检测 #YOLO数据集 #市政智能巡检 #自动驾驶感知 #道路病害检测 #计算机视觉科研数据集





• 标注规范：全YOLO格式+归一化坐标，兼容YOLOv8/v10/v11/v26等全系列

驾驶视角道路缺陷检测数据集训练及应用 YOLOv26 训练道路缺陷检测数据集｜3类2128张YOLO格式

人工智能

算法

大数据

专业道路缺陷检测数据集，包含2128张YOLO格式图像，涵盖坑洞、裂缝、井盖3类目标，5095个标注框。适配YOLOv8/v10/v11/v26全系列，附带训练参数和优化建议，适用于市政巡检、自动驾驶感知等研究。

计算机视觉

自动驾驶

代码解释

YOLO

2026上云采购 | AI焕新·智启新局

datainlong

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

驾驶视角道路缺陷检测数据集训练及应用 YOLOv26 训练道路缺陷检测数据集｜3类2128张YOLO格式-腾讯云开发者社区-腾讯云

驾驶视角道路缺陷检测数据集训练及应用 YOLOv26 训练道路缺陷检测数据集｜3类2128张YOLO格式

驾驶视角道路缺陷检测数据集训练及应用 YOLOv26 训练道路缺陷检测数据集｜3类2128张YOLO格式

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐