建筑及道路-裂缝分割数据集   共4000张 目标检测yolo格式

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/16235085a33cdee4f177b384ebf9fd25.png)

训练了yolov5n-seg，yolov5m-seg，yolov5x-seg三个模型，训练了100epoch![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/71867a7f2c1618f433cfffa44428af68.png)

训练任务为分割 segment![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/8b543e74f4e4937ed49d4cdf27de1ac8.png)

训练数据集和检测结果如图，![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/76146224283caa3bfae8099644f4844c.png)
4000张yolo格式的裂缝分割数据

# 混凝土裂缝分割项目（YOLOv5-seg）
## 项目简介
基于YOLOv5-seg实现混凝土裂缝实例分割，数据集共4000张YOLO格式标注图像；分别训练`yolov5n-seg`、`yolov5m-seg`、`yolov5x-seg`三个模型，训练轮次100 epoch，可完成裂缝像素级分割，输出裂缝掩码，用于建筑结构病害评估。

## 数据集信息表
|项目|详情|
| ---- | ---- |
|数据集名称|混凝土裂缝分割数据集|
|图像总数|4000张|
|标注格式|YOLO txt分割标注|
|类别数量|1类|
|训练集|3200张|
|验证集|480张|
|测试集|320张|

### 类别标签
|英文标签|中文标签|
| ---- | ---- |
|crack|混凝土裂缝|
一句话类别：仅包含混凝土裂缝1类目标的实例分割数据集。

**关键词**：混凝土裂缝、裂缝实例分割、YOLOv5-seg、建筑病害、结构检测、像素级分割

## 应用场景
1. 建筑、桥梁、隧道混凝土表面裂缝识别与像素级面积统计，结构安全评估。
2. 无人机/相机近距离采集混凝土表面图像，自动分割裂缝，替代人工目视测量。
3. 土木工程、机器视觉毕设/算法研究，支持对比n/m/x不同规模模型精度与推理速度。
4. 建筑运维系统，批量处理图片，自动计算裂缝长度、宽度、病害占比。

## 项目文件清单
- YOLOv5-seg
- 4000张裂缝数据集（images+labels）
- 训练权重：`yolov5n-seg.pt`、`yolov5m-seg.pt`、`yolov5x-seg.pt`
- 训练日志、PR曲线、预测结果可视化图

## 简易构建代码
### 1. 数据集配置文件 `crack_seg.yaml`
```yaml
path: ./crack_dataset
train: images/train
val: images/val
test: images/test

names:
  0: crack
```

### 2. 训练脚本 `train_crack_seg.py`
```python
# YOLOv5-seg 训练脚本
import torch
from utils.datasets import LoadImages
from models.yolo import Model

if __name__ == "__main__":
    # 选择模型：yolov5n-seg / yolov5m-seg / yolov5x-seg
    model_type = "yolov5m-seg"
    device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

    # 启动训练
    from train import run
    run(
        data="crack_seg.yaml",
        weights=f"{model_type}.pt",
        epochs=100,
        imgsz=640,
        batch=8,
        device=device,
        project="runs/train",
        name=model_type+"_crack",
        task="segment"
    )
```

### 3. 推理预测脚本 `predict_crack.py`
```python
from predict import run

if __name__ == "__main__":
    run(
        weights="runs/train/yolov5m-seg_crack/weights/best.pt",
        source="./test_img",
        imgsz=640,
        task="segment",
        save_mask=True, # 保存分割掩码
        save_txt=True
    )
```

### 环境安装
```bash
pip install torch torchvision opencv-python numpy matplotlib
```

## PyQt简易可视化界面代码
```python
import sys
import cv2
from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton, QLabel, QFileDialog
from PyQt5.QtGui import QPixmap, QImage
from PyQt5.QtCore import Qt
from predict import run

class CrackSegWindow(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("混凝土裂缝分割检测系统")
        self.setGeometry(100, 100, 1000, 700)
        self.weight_path = "runs/train/yolov5m-seg_crack/weights/best.pt"
        self.init_ui()

    def init_ui(self):
        self.img_label = QLabel("图像预览区域", self)
        self.img_label.setGeometry(20, 20, 750, 600)
        self.img_label.setStyleSheet("border:1px solid #666;")
        self.img_label.setAlignment(Qt.AlignCenter)

        self.btn_detect = QPushButton("裂缝分割检测", self)
        self.btn_detect.setGeometry(800, 50, 160, 40)
        self.btn_detect.clicked.connect(self.detect_image)

    def detect_image(self):
        file_path, _ = QFileDialog.getOpenFileName(self, "选择混凝土图片", "", "图片(*.jpg *.png *.bmp)")
        if not file_path:
            return
        run(weights=self.weight_path, source=file_path, imgsz=640, task="segment", save_mask=True)
        img_res = cv2.imread("runs/predict/exp/"+file_path.split("/")[-1])
        img_res = cv2.cvtColor(img_res, cv2.COLOR_BGR2RGB)
        h, w, c = img_res.shape
        qt_img = QImage(img_res.data, w, h, c*w, QImage.Format_RGB888)
        self.img_label.setPixmap(QPixmap.fromImage(qt_img).scaled(self.img_label.size(), Qt.KeepAspectRatio))

if __name__ == "__main__":
    app = QApplication(sys.argv)
    win = CrackSegWindow()
    win.show()
    sys.exit(app.exec_())
```




训练了yolov5n-seg，yolov5m-seg，yolov5x-seg三个模型，训练了100epoch

智慧建筑裂缝监测 裂缝分割数据集  基于YOLOv5-seg实现混凝土裂缝实例分割

人工智能

物联网

基于YOLOv5-seg构建的混凝土裂缝实例分割数据集包含4000张YOLO格式标注图像，训练yolov5n/m/x-seg三种模型100个epoch，实现像素级裂缝分割、掩码输出与面积统计，适用于建筑桥梁隧道病害检测及结构安全评估。

代码解释

YOLO

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

智慧建筑裂缝监测 裂缝分割数据集  基于YOLOv5-seg实现混凝土裂缝实例分割-腾讯云开发者社区-腾讯云

智慧建筑裂缝监测裂缝分割数据集基于YOLOv5-seg实现混凝土裂缝实例分割

智慧建筑裂缝监测裂缝分割数据集基于YOLOv5-seg实现混凝土裂缝实例分割

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

智慧建筑裂缝监测 裂缝分割数据集 基于YOLOv5-seg实现混凝土裂缝实例分割

智慧建筑裂缝监测 裂缝分割数据集 基于YOLOv5-seg实现混凝土裂缝实例分割

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

智慧建筑裂缝监测裂缝分割数据集基于YOLOv5-seg实现混凝土裂缝实例分割

智慧建筑裂缝监测裂缝分割数据集基于YOLOv5-seg实现混凝土裂缝实例分割