智能检测道路坑洞积水检测数据集道路积水检测、路面坑洞识别、道路病害检测、路面积水分割3295张道路数据集、640*640路面图像、YOLO VOC COCO三格式标注、道路积水目标检测、公路巡检AI

智能检测道路坑洞积水检测数据集3295张yolovoccoco三种标注方式图像尺寸:640*640类别数量:1类训练集图像数量:2552; 验证集图像数量:593 测试集图像数量:150类别名称: 每一类图像数 每一类标注数puddle 积水: 3286,4281image num: 3295一、数据集信息表1.1 基础信息项目详情数据集名称道路坑洞积水检测数据集总图像数量3295 张图像分辨率640×640标注格式YOLO、VOC、COCO 三种格式类别总数1 类训练集2552 张验证集593 张测试集150 张1.2 类别标注明细序号英文类别中文类别含该类别图像数标注实例总数0puddle积水328642811.3 YOLO 类别列表names[puddle]二、应用场景智能道路巡检无人机、车载设备自动识别路面积水与坑洞辅助公路养护。城市防汛监测雨天路面积水点位排查为交通疏导、排水作业提供依据。算法研发目标检测/实例分割模型训练、学术研究、行业竞赛。智慧交通运维接入道路监控系统实时预警积水病害降低通行隐患。边缘终端部署便携巡检设备现场快速识别、统计积水区域。三、YOLOv11 训练 推理代码3.1 环境依赖安装pipinstallultralytics torch opencv-python numpy3.2 数据集配置文件road_water.yamlpath:./road_water_datasettrain:images/trainval:images/valtest:images/testnc:1names:0:puddle3.3 数据集目录结构road_water_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ # YOLO txt标注 │ ├── train/ │ ├── val/ │ └── test/ ├── voc_annotations/ # VOC xml标注 ├── coco_annotations/ # COCO json标注 └── road_water.yaml3.4 训练代码train_water.pyfromultralyticsimportYOLOdeftrain_road_water():# 实例分割模型也可使用 yolov11n.yaml 做纯目标检测modelYOLO(yolov11n-seg.yaml)model.train(dataroad_water.yaml,epochs60,imgsz640,batch16,devicecpu,# 有GPU改为 device0workers4,patience12,ampTrue,mosaic1.0,projectruns/train,nameroad_puddle_det,exist_okTrue)print(训练完成权重保存在 runs/train/road_puddle_det/weights)if__name____main__:train_road_water()3.5 推理测试代码predict_water.pyfromultralyticsimportYOLO# 加载训练好的最优权重modelYOLO(runs/train/road_puddle_det/weights/best.pt)if__name____main__:# 单图检测resmodel(test.jpg,saveTrue,conf0.25)# 批量图片# res model(./test_imgs/, saveTrue, conf0.25)# 视频/摄像头# res model(0, saveTrue, conf0.25)print(推理结束)