Link to this section裂缝分割数据集#

The Ultralytics Crack Segmentation Dataset provides 4,029 annotated images of cracks on roads and walls for training instance segmentation models on a single crack class. Captured across diverse pavement and structural scenarios, it pairs directly with Ultralytics YOLO for use cases ranging from transportation safety and self-driving car perception to infrastructure maintenance and structural computer vision inspection.

Link to this section数据集结构#

Crack Segmentation Dataset 将其 4,029 张图像划分如下：

• 训练集：3,717 张图像，用于训练深度学习模型。
• 验证集：200 张图像，用于训练过程中调整超参数并防止过拟合。
• 测试集：112 张图像，保留用于训练后评估模型。
• 类别：单个 crack 类，涵盖了所有已标注的道路和墙面裂缝。
• 下载大小：约 91.6 MB。

Link to this section应用#

裂缝分割通过识别和评估建筑物、桥梁和道路的结构损坏，为基础设施维护提供支持。它还通过让自动化系统检测路面裂缝以便及时维修，从而增强道路安全。

在工业环境中，使用像 Ultralytics YOLO26 这样的模型进行裂缝检测，有助于验证施工过程中的建筑完整性，防止制造业中代价高昂的停机，并使道路检测更安全。自动对裂缝进行分类可以让维护团队优先处理最紧急的维修工作。

完整的 Crack Segmentation Dataset 也可以在 Ultralytics Platform 上进行浏览和管理。

Link to this section数据集 YAML#

YAML 文件定义了数据集配置，其中包含有关数据集路径、类别及其他相关信息的详细说明。对于 Crack Segmentation 数据集，crack-seg.yaml 文件托管在 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

Link to this section用法#

要使用 640 的图像尺寸训练 Ultralytics YOLO26n-seg 模型进行 100 个轮次的训练，请使用以下 Python 或 CLI 代码片段。请参阅模型训练文档页面，获取可用参数和配置（如超参数调优）的完整列表。

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')

Link to this section示例数据与标注#

以下是 Crack Segmentation Dataset 的一个示例，其中叠加了实例分割掩码，勾勒出了道路和墙面上识别出的裂缝：

该数据集涵盖了多种地点、表面和光照条件，因此在此数据集上训练的模型能够看到它们泛化所需的各种现实世界场景。数据增强可以进一步扩展这种多样性——请参阅我们的实例分割与追踪指南以了解相关工作流程。

Link to this section引用与致谢#

如果你在研究或开发工作中使用了裂缝分割数据集，请适当地引用来源：

@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 },
}

我们感谢 Roboflow 团队提供的 Crack Segmentation 数据集，为计算机视觉社区提供了宝贵的资源，特别是在道路安全和基础设施评估相关的项目中。如需更多数据集，请访问 Ultralytics Datasets 集合。

Link to this section常见问题解答#

Link to this section什么是 Crack Segmentation Dataset，它如何在 Ultralytics YOLO26 中使用？#

The Crack Segmentation Dataset is a collection of 4,029 annotated images of cracks on roads and walls for training and evaluating instance segmentation models on a single crack class. It's built for transportation-safety and infrastructure applications like structural inspection and pavement assessment, and is used directly with Ultralytics YOLO26 via the crack-seg.yaml configuration file.

Link to this sectionCrack Segmentation Dataset 包含多少张图像和类别？#

该数据集总计 4,029 张图像——3,717 张用于训练，200 张用于验证，112 张用于测试——全部标注为单个 crack 类。首次使用时，完整压缩包会自动下载为约 91.6 MB 的 .zip 文件。

Link to this section如何使用 Crack Segmentation Dataset 训练 Ultralytics YOLO26 模型？#

Load a pretrained segmentation model (e.g., yolo26n-seg.pt) and train it with the crack-seg.yaml configuration using the Python or CLI snippets in the Usage section above. See the Training guide for the full list of available arguments.

Link to this section为什么要在自动驾驶汽车和基础设施项目中使用 Crack Segmentation Dataset？#

其涵盖路面和墙面裂缝的多样化图像覆盖了许多现实世界场景，提高了针对裂缝检测训练的模型的稳健性。精确的分割支持道路安全和基础设施评估系统，这些系统必须可靠地识别潜在危险——请参阅上述 Applications 部分以及我们的模型训练提示以获取最佳实践。

Link to this section在哪里可以找到 Crack Segmentation 的数据集配置文件？#

crack-seg.yaml 文件定义了数据集路径和单个 crack 类，位于 Ultralytics GitHub 存储库中：crack-seg.yaml。