隧道病害图像识别 地铁隧道剥落识别 深水分割检测 数据集第10736期

隧道缺陷语义分割数据集

本项目提供了一套面向隧道结构健康监测场景的计算机视觉语义分割数据集，适用于YOLO系列模型训练，可直接用于隧道缺陷自动化识别与评估任务。

📊 数据集概览

在这里插入图片描述

📌 数据说明

• 数据类别：包含3类隧道典型缺陷，分别为裂缝、渗漏水、剥落，覆盖隧道结构健康监测的核心评估对象。
• 数据规模：图像数量为300+张，能够满足语义分割模型的训练与验证需求。
• 数据格式：采用标准YOLO语义分割格式，每张图像对应同名标注文件，包含类别ID与多边形轮廓坐标，开箱即用。

🚀 YOLOv26 语义分割训练与推理流程

1. 数据集结构

tongji_tunnel_dataset/ ├── train/ │ ├── images/ # 训练集图像 │ └── labels/ # 训练集分割标注文件 ├── val/ │ ├── images/ # 验证集图像 │ └── labels/ # 验证集分割标注文件 └── tongji_tunnel.yaml # 数据集配置文件

2. 配置文件tongji_tunnel.yaml（中文类别名）

# 数据集根目录path:./tongji_tunnel_dataset# 训练集、验证集路径train:train/imagesval:val/images# 类别数量与名称nc:3names:0:裂缝1:渗漏水2:剥落

3. 训练代码（带中文注释）

fromultralyticsimportYOLO# 加载预训练的YOLOv26分割模型权重model=YOLO("yolov26n-seg.pt")# 启动模型训练model.train(data="tongji_tunnel.yaml",# 数据集配置文件路径epochs=100,# 训练总轮数imgsz=640,# 输入图像尺寸batch=8,# 批次大小device="cuda"# 使用GPU训练)

4. 推理代码（带中文注释）

fromultralyticsimportYOLO# 加载训练好的模型权重model=YOLO("runs/segment/train/weights/best.pt")# 对单张图像进行分割推理results=model("test_image.jpg",save=True)# 打印分割结果信息forresultinresults:print("检测到的缺陷类别：",result.boxes.cls)print("分割掩码形状：",result.masks.shape)

关键词：#隧道缺陷检测 #语义分割 #结构健康监测 #裂缝识别 #渗漏水检测 #剥落识别 #YOLOv26 #计算机视觉数据集