道路坑洞目标检测数据集

摘要：该数据集是一个面向道路坑洞检测、道路病害识别与智能交通基础设施巡检构建的计算机视觉目标检测数据集，主要适用于 YOLOv8 等深度学习目标检测模型。

数据集概述

该数据集是一个面向道路坑洞检测、道路病害识别与智能交通基础设施巡检构建的计算机视觉目标检测数据集，主要适用于 YOLOv8 等深度学习目标检测模型。数据集中包含不同道路环境下的坑洞图像，并通过边界框对坑洞位置进行精确标注，可用于训练模型自动识别道路表面的坑洞缺陷。数据共包含 1581 张训练图像和 396 张验证图像，总计 1977 张图像，覆盖城市道路、乡村道路以及多种复杂路面场景。

数据结构与关键特征

数据集采用标准 YOLO 数据组织方式，主要由 train、valid 和 data.yaml 等部分组成，同时提供 sample_video.mp4 示例视频，可用于视频场景中的坑洞检测实验。每张图像均配套对应的 YOLO 格式标签文件，通过归一化边界框描述坑洞在图像中的位置。数据来源于多个公开道路坑洞数据集，并经过重新整理和补充标注。图像覆盖白天、夜间、晴天、阴天、干燥路面和湿润路面等多种光照及天气条件，同时包含不同道路材质、坑洞尺寸、形状、拍摄距离和观察角度，使模型能够学习更加复杂的道路缺陷特征，提高实际场景中的泛化能力。

应用价值与研究方向

该数据集适用于道路坑洞目标检测、道路病害自动巡检、道路维护辅助、智能驾驶环境感知以及无人机道路巡检等研究方向。可以采用 YOLOv8、YOLO11、RT-DETR、Faster R-CNN 等目标检测模型进行坑洞定位与识别，并进一步结合 ByteTrack 等方法实现视频中的连续坑洞跟踪。在此基础上，还可以研究小目标坑洞检测、复杂天气条件下目标识别、道路坑洞严重程度评估、坑洞面积与尺寸估计以及移动端和边缘设备实时检测等问题，为智慧交通、道路养护和自动驾驶道路安全感知提供数据支持。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-835
文件大小：710M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。