摘要基础设施结构缺陷数据集是一个面向桥梁、隧道、道路和建筑物等复杂基础设施健康监测与缺陷识别任务的多模态数据集由结构化检查记录和基础设施表面图像组成。数据集概述基础设施结构缺陷数据集是一个面向桥梁、隧道、道路和建筑物等复杂基础设施健康监测与缺陷识别任务的多模态数据集由结构化检查记录和基础设施表面图像组成。数据集涵盖裂缝、腐蚀、剥落、变形以及健康状态等多种结构状况并记录不同环境、光照、遮挡程度和检查方式下的真实检测场景。其中表面裂缝检测部分包含20,000张裂缝正样本和20,000张无裂缝负样本共40,000张混凝土表面图像具有较好的类别均衡性。通过融合视觉图像、缺陷物理测量参数和检查环境信息该数据集能够较全面地反映实际基础设施巡检过程中结构损伤的多样性和复杂性。数据结构与关键特征该数据集的数据结构主要包括基础设施属性、缺陷位置、物理损伤参数、环境条件、检查方式和缺陷标签等多个维度。Infrastructure_Type用于区分桥梁、隧道、道路和建筑物等基础设施类型Defect_Location记录梁、柱、平台、墙壁或表面等缺陷发生位置Defect_Length_mm、Defect_Width_mm和Defect_Depth_mm分别描述缺陷的长度、宽度和深度可用于量化结构损伤程度Severity表示缺陷的低、中、高严重等级Lighting_Condition和Occlusion_Level用于描述检查时的光照和遮挡情况Inspection_Mode区分无人机、地面人工检查和固定摄像头等采集方式Target_Defect_Class则作为目标标签将检查结果划分为裂纹、腐蚀、剥落、变形或健康状态为监督学习、缺陷分类和结构状态评估提供统一的标签基础。应用价值与研究方向该数据集可广泛应用于基础设施智能巡检、结构健康监测、计算机视觉和机器学习等研究领域。在视觉任务方面可用于训练CNN、ResNet、EfficientNet、Vision Transformer以及YOLO等模型实现裂缝检测、缺陷分类、目标定位和损伤区域识别结合缺陷长度、宽度、深度及严重程度等结构化特征还可以开展缺陷严重程度预测、基础设施健康状态评估和风险等级分类研究。同时数据集中包含不同光照、遮挡程度和巡检模式可用于分析复杂环境对检测模型性能的影响以及研究无人机巡检与传统地面检查之间的差异。进一步结合多模态学习和特征融合方法还可建立自动化基础设施缺陷诊断、风险预警和智能维护决策系统为桥梁、道路、隧道及建筑物的预防性维护和安全管理提供数据支持。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-529文件大小233M原创声明本数据集为整理作品