智慧工地巡检-混凝土裂缝数据集(有v5/v8/v11/v13/v26模型)/YOLO混凝土裂缝检测」数据类型多场景影像建筑外立面固定监测图、无人机巡检图、便携式高清检测图、多源融合监测图场景覆盖高层建筑、桥梁、地下建筑、厂房、路面、大坝等含涂料覆盖、灰尘附着、弱光、高湿度等复杂环境样本目标类别专注Crack混凝土裂纹单一核心类别标注裂纹长度、宽度、深度等关键参数区分不同形态裂纹横向/纵向/网状数据集划分详情总张数11216训练集10551验证集392测试集2273混凝土裂缝检测数据集表格 YOLOv8/v11/v13 完整训练代码一、数据集完整信息表项目详细内容数据集名称混凝土裂缝高精度检测数据集总数据量11216 张训练集10551 张验证集392 张测试集2273 张数据类型建筑外立面、无人机巡检、便携式检测、多源融合图覆盖场景高层建筑、桥梁、地下空间、厂房、路面、大坝复杂环境涂料覆盖、灰尘附着、弱光、高湿度、模糊、阴影目标类别单类别Crack混凝土裂缝标注信息裂纹位置、长度、宽度、深度区分横向/纵向/网状裂纹标注格式YOLO TXT 格式直接训练支持模型YOLOv5 / YOLOv8 / YOLOv11 / YOLOv13 / YOLOv26二、类别说明类别ID类别名称中文说明0Crack混凝土裂缝三、数据集配置文件crack.yamltrain:./images/trainval:./images/valtest:./images/testnc:1names:[Crack]四、一键环境安装conda create-ncrackpython3.10conda activate crack pipinstalltorch torchvision --index-url https://download.pytorch.org/whl/cu118 pipinstallultralytics opencv-python pillow tqdm五、YOLOv8 训练代码可直接运行train.pyfromultralyticsimportYOLOimporttorch# 训练配置 DATA_YAMLcrack.yamlMODELyolov8s.pt# 可换yolov11s.pt / yolov13s.ptEPOCHS150BATCH16IMGSZ640DEVICE0iftorch.cuda.is_available()elsecpu# 开始训练 modelYOLO(MODEL)model.train(dataDATA_YAML,epochsEPOCHS,batchBATCH,imgszIMGSZ,deviceDEVICE,workers8,projectcrack_detection,nameyolov8_crack,exist_okTrue,patience20,optimizerAdamW,lr00.001,augmentTrue,mixup0.1,mosaic1.0,close_mosaic15,single_clsTrue,plotsTrue)print(✅ 混凝土裂缝模型训练完成)print(最优模型crack_detection/yolov8_crack/weights/best.pt)六、推理检测代码detect.pyfromultralyticsimportYOLO# 加载模型modelYOLO(crack_detection/yolov8_crack/weights/best.pt)# 检测图片 / 视频 / 摄像头 / 文件夹resultsmodel.predict(sourcetest.jpg,conf0.25,iou0.45,saveTrue,showTrue,imgsz640)# 输出裂缝数量forrinresults:print(f检测到裂缝数量{len(r.boxes)})七、模型评估代码val.pyfromultralyticsimportYOLO modelYOLO(crack_detection/yolov8_crack/weights/best.pt)metricsmodel.val(datacrack.yaml,imgsz640,batch16,conf0.001,iou0.6,plotsTrue)print(*60)print( 混凝土裂缝检测模型评估)print(fmAP0.5:{metrics.box.map50:.4f})print(fmAP0.5:0.95:{metrics.box.map:.4f})print(f精确率:{metrics.box.precision.mean():.4f})print(f召回率:{metrics.box.recall.mean():.4f})print(*60)运行说明数据集结构images/train、val、testlabels/train、val、test新建crack.yaml运行train.py训练运行detect.py检测运行val.py查看精度
