古建筑缺陷检测数据集 | 古建筑保护 缺陷检测 裂缝识别 瓦片损坏 9192期数据集概述本数据集专注于古建筑结构表观缺陷的视觉检测与分类服务于古建筑保护、文物修缮及建筑遗产监测。数据涵盖六类典型古建缺陷适配无人机巡检、建筑遗产普查及自动化病害识别等应用。数据集核心信息数据要素详细说明类别共6类裂缝、植物、污染、剥落、泥土、瓦片损坏数量4019张图像格式图像为 JPG/PNG标签为 YOLO 格式的 txt 文件水平边界框数据版本2个版本应用价值1.古建保护支撑古建筑表观缺陷的自动化检测与分类替代人工登高检查。2.文物修缮为古建筑修缮计划制定提供数据基础辅助修缮优先级排序。3.遗产监测为建筑遗产的长期健康监测提供视觉数据支撑。4.算法研发为多类别缺陷检测、细粒度识别等视觉任务提供真实场景的训练与评测数据。完整类别列表共6类序号英文名称中文释义缺陷类型说明1crack裂缝建筑结构表面的线性开裂2plant植物建筑表面生长的植物或植被3contamination污染表面污染或变色4peeling剥落涂层或表层材料剥离脱落5soil泥土表面积累的泥土或灰尘6tile_damage瓦片损坏屋面瓦片的破损、缺失数据三要素解析类别与缺陷覆盖数据集定义6类古建筑典型缺陷覆盖结构损伤类裂缝、剥落、瓦片损坏、环境侵蚀类植物、泥土、污染。缺陷类型覆盖了古建筑从物理损伤到生物侵蚀、环境污染的主要劣化模式具有较强的文物保护实用性。类别设置与古建筑保护技术规范中的常见病害分类相衔接。数据规模与版本图像总量约4019张规模适中能支撑多类别缺陷检测模型的训练。数据集有2个版本可能包含不同标注完善度或数据增强的迭代版本。图像涵盖古建筑不同部位屋顶、墙体、木构件与不同光照条件下的缺陷样本。格式与结构采用通用YOLO 格式txt每张图像对应一个同名标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8 等主流检测框架。图像与标签一一对应数据结构规范便于进行训练/验证集划分与预处理集成。知识普及古建筑缺陷视觉检测的技术要点缺陷形态多样从细长的裂缝到区域性的剥落缺陷在形态、尺度上差异显著需模型具备多类别特征提取能力。材质与纹理干扰古建筑表面材质木材、砖瓦、彩绘纹理复杂可能与缺陷混淆模型需依赖纹理与颜色特征进行区分。植被遮挡植物生长在建筑表面可能遮挡其他缺陷特征需采用多尺度特征融合策略。光照与视角影响古建筑多为户外拍摄光照变化大且拍摄角度多样建议训练时加入亮度、对比度增强与视角变换。小目标检测裂缝、瓦片损坏等目标可能占比较小需采用高分辨率输入或多尺度特征融合策略。应用闭环检测结果可导入文物保护GIS系统结合历史影像进行损毁趋势分析辅助修缮规划与保护决策。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valnc:6names:[crack,plant,contamination,peeling,soil,tile_damage]启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs100,imgsz640,batch16,device0)标签古建筑保护缺陷检测裂缝识别瓦片损坏目标检测YOLO格式深度学习数据集计算机视觉
