مجموعة بيانات تجزئة الشقوق#

4,028

Crack-Seg

ultralytics

publicSegment

Crack-Seg is an Ultralytics instance-segmentation dataset for road and wall damage. Single-class polygons delineate cracks across concrete, asphalt, masonry, varied illumination, and textured backgrounds for infrastructure inspection and surface-condition monitoring.

31 class171.3 MBSep 2, 2026

crack

instance-segmentationcracksinfrastructure+1

توفر Ultralytics مجموعة بيانات لتجزئة الشقوق تضم 4,029 صورة مشروحة لشقوق الطرق والجدران، لتدريب نماذج تجزئة المثيلات على فئة واحدة هي crack. وقد جُمعت الصور في ظروف متنوعة للطرق والمنشآت، وتتوافق مباشرةً مع Ultralytics YOLO لاستخدامات تمتد من سلامة النقل وإدراك السيارات ذاتية القيادة إلى صيانة البنية التحتية وفحص المنشآت باستخدام الرؤية الحاسوبية.

بنية مجموعة البيانات#

تُقسّم مجموعة بيانات تجزئة الشقوق صورها البالغ عددها 4,029 كما يلي:

• مجموعة التدريب: 3,717 صورة تُستخدم في تدريب نموذج التعلم العميق.
• مجموعة التحقق: 200 صورة تُستخدم أثناء التدريب لضبط المعلمات الفائقة ومنع فرط التكيّف.
• مجموعة الاختبار: 112 صورة مستبعدة من التدريب لتقييم النموذج بعد اكتمال التدريب.
• الفئات: فئة واحدة هي crack، وتشمل كل شق مشروح في الطرق والجدران.
• حجم التنزيل: ~91.6 MB.

التطبيقات#

يدعم تقسيم الشقوق صيانة البنية التحتية من خلال تحديد الأضرار الهيكلية في المباني والجسور والطرق وتقييمها. كما يعزز السلامة على الطرق عبر تمكين الأنظمة الآلية من اكتشاف تشققات الرصف لإصلاحها في الوقت المناسب.

في البيئات الصناعية، يساعد اكتشاف الشقوق باستخدام نماذج مثل Ultralytics YOLO26 على التحقق من سلامة المباني في قطاع الإنشاءات، ويمنع فترات التوقف المكلفة في التصنيع، ويجعل فحص الطرق أكثر أمانًا. ويتيح تصنيف الشقوق آليًا لفرق الصيانة إعطاء الأولوية للإصلاحات الأكثر إلحاحًا.

يمكن أيضًا استعراض مجموعة بيانات تقسيم الشقوق الكاملة وإدارتها على منصة Ultralytics.

ملف YAML لمجموعة البيانات#

يحدد ملف YAML إعدادات مجموعة البيانات. ويتضمن تفاصيل حول مسارات مجموعة البيانات وفئاتها وغيرها من المعلومات ذات الصلة. بالنسبة إلى مجموعة بيانات تقسيم الشقوق، يُصان الملف crack-seg.yaml في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/crack-seg.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Crack-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/crack-seg
# Example usage: yolo train data=crack-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── crack-seg ← downloads here (91.6 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: crack-seg # dataset root dir
train: images/train # train images (relative to 'path') 3717 images
val: images/val # val images (relative to 'path') 200 images
test: images/test # test images (relative to 'path') 112 images

# Classes
names:
  0: crack

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/crack-seg.zip

الاستخدام#

لتدريب نموذج Ultralytics YOLO26n-seg على مجموعة بيانات تقسيم الشقوق لمدة 100 حقبة وبحجم صورة 640، استخدم مقتطفات Python أو CLI التالية. راجع صفحة توثيق التدريب الخاصة بالنموذج للاطلاع على قائمة شاملة بالوسائط والإعدادات المتاحة، مثل ضبط المعلمات الفائقة.

from ultralytics import YOLO

# ⁨تحميل نموذج⁩
# ⁨يوصى باستخدام نموذج مدرّب مسبقًا مثل yolo26n-seg.pt لتسريع التقارب⁩
model = YOLO("yolo26n-seg.pt")

# ⁨درّب النموذج على مجموعة بيانات تقسيم الشقوق⁩
# ⁨تأكد من إمكانية الوصول إلى 'crack-seg.yaml' أو قدّم المسار الكامل⁩
results = model.train(data="crack-seg.yaml", epochs=100, imgsz=640)

# ⁨بعد التدريب، يمكن استخدام النموذج للتنبؤ أو تصديره⁩
# results = model.predict(source='path/to/your/images')

البيانات النموذجية والتعليقات التوضيحية#

فيما يلي مثال من مجموعة بيانات تقسيم الشقوق مع تراكب أقنعة تقسيم الكائنات الفردية، التي تحدد الشقوق المكتشفة على أسطح الطرق والجدران:

تغطي مجموعة البيانات مواقع وأسطحًا وظروف إضاءة متنوعة، لذا ترى النماذج المدرّبة عليها نطاق المشاهد الواقعية التي تحتاج إليها لتعميم أدائها عليها. ويمكن أن يؤدي تعزيز البيانات إلى توسيع هذا التنوع أكثر — راجع دليل تقسيم الكائنات الفردية وتتبعها للاطلاع على مسارات العمل ذات الصلة.

الاستشهادات والشكر والتقدير#

إذا استخدمت مجموعة بيانات تقسيم الشقوق في أبحاثك أو أعمال التطوير، فيُرجى توثيق المصدر على النحو المناسب:

@misc{ crack-bphdr_dataset,
    title = { crack Dataset },
    type = { Open Source Dataset },
    author = { University },
    url = { https://universe.roboflow.com/university-bswxt/crack-bphdr },
    year = { 2022 },
    month = { dec },
    note = { visited on 2024-01-23 },
}

نعرب عن تقديرنا لفريق Roboflow لإتاحته مجموعة بيانات تقسيم الشقوق، وتوفيره موردًا قيّمًا لمجتمع الرؤية الحاسوبية، ولا سيما للمشاريع المرتبطة بالسلامة على الطرق وتقييم البنية التحتية. للاطلاع على مزيد من مجموعات البيانات، تفضل بزيارة مجموعة بيانات Ultralytics.

الأسئلة الشائعة#