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 مجموعة بيانات تجزئة الشقوق من Ultralytics عددًا قدره 4,029 صورة مشروحة للشقوق على الطرق والجدران لتدريب نماذج تجزئة الكائنات على فئة واحدة هي crack. جُمعت هذه الصور في سيناريوهات متنوعة لرصف الطرق والمنشآت، وتتوافق مباشرةً مع Ultralytics YOLO لاستخدامها في حالات تمتد من إدراك السيارات ذاتية القيادة وسلامة النقل إلى صيانة البنية التحتية وفحص المنشآت باستخدام الرؤية الحاسوبية.

بنية مجموعة البيانات#

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

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

التطبيقات#

تدعم تجزئة الشقوق صيانة البنية التحتية من خلال تحديد الأضرار الإنشائية وتقييمها في المباني والجسور والطرق. كما تعزز السلامة على الطرق عبر تمكين الأنظمة الآلية من اكتشاف شقوق الرصف لإجراء الإصلاحات في الوقت المناسب.

في البيئات الصناعية، يساعد اكتشاف الشقوق باستخدام نماذج مثل Ultralytics YOLO26 في التحقق من سلامة المباني في قطاع الإنشاءات، ومنع التوقفات المكلفة في التصنيع، وجعل فحص الطرق أكثر أمانًا. ويتيح تصنيف الشقوق تلقائيًا لفرق الصيانة إعطاء الأولوية للإصلاحات الأكثر إلحاحًا.

يمكن أيضًا تصفح مجموعة بيانات تجزئة الشقوق الكاملة وإدارتها على Ultralytics Platform.

YAML مجموعة البيانات#

يحدد ملف YAML إعدادات مجموعة البيانات. ويتضمن تفاصيل حول مسارات مجموعة البيانات وفئاتها وغيرها من المعلومات ذات الصلة. وبالنسبة إلى مجموعة بيانات تجزئة الشقوق، يُدار 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 تجزئة الشقوق لمدة 100 حقبة وبحجم صورة قدره 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

# Load a model
# Using a pretrained model like yolo26n-seg.pt is recommended for faster convergence
model = YOLO("yolo26n-seg.pt")

# Train the model on the Crack Segmentation dataset
# Ensure 'crack-seg.yaml' is accessible or provide the full path
results = model.train(data="crack-seg.yaml", epochs=100, imgsz=640)

# After training, the model can be used for prediction or exported
# results = model.predict(source='path/to/your/images')

بيانات العينة والتعليقات التوضيحية#

فيما يلي مثال من مجموعة بيانات تجزئة الشقوق مع تراكب أقنعة تجزئة الكائنات عليه، لتحديد الشقوق المكتشفة على أسطح الطرق والجدران:

تغطي مجموعة البيانات مواقع وأس surfaces وظروف إضاءة متنوعة، ولذلك ترى النماذج المدرّبة عليها نطاق المشاهد الواقعية التي تحتاج إليها للتعميم عبرها. ويمكن أن يؤدي تعزيز البيانات إلى توسيع هذا التنوع أكثر — راجع دليل تجزئة الكائنات وتتبعها للاطلاع على مسارات العمل ذات الصلة.

الاقتباسات والشكر والتقدير#

إذا استخدمت مجموعة بيانات تجزئة الشقوق في أبحاثك أو أعمال التطوير، فيُرجى الاستشهاد بالمصدر 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 لإتاحة مجموعة بيانات تجزئة الشقوق وتوفير مورد قيّم لمجتمع الرؤية الحاسوبية، لا سيما للمشروعات المتعلقة بالسلامة على الطرق وتقييم البنية التحتية. لمزيد من مجموعات البيانات، تفضل بزيارة مجموعة بيانات Ultralytics.

الأسئلة الشائعة#