智慧交通航拍道路标线损伤评估检测数据集413张yolovoccoco三种标注方式图像尺寸:1280*1280类别数量:9类训练集图像数量:360; 验证集图像数量:35 测试集图像数量:18类别名称: 每一类图像数 每一类标注数intact_road_line - 完好车道线413,6247damaged_road_line - 破损车道线364,2612intact_assistance_line - 完好辅助线112,181damaged_instruction_line - 破损指示标线147,243intact_instruction_line - 完好指示标线316,801etc - 其他67,99intact_yellow_line - 完好黄色标线375,1448damaged_yellow_line - 破损黄色标线249,547damage_assistance_line - 破损辅助线89,156image num: 413智慧交通航拍道路标线损伤评估检测数据集一、数据集信息表1.1 基础信息项目详情数据集名称航拍道路标线损伤评估检测数据集总图像数量413 张图像尺寸1280×1280标注格式YOLO、VOC、COCO类别总数9 类训练集360 张验证集35 张测试集18 张1.2 类别与标注明细序号英文类别中文类别含该类别图像数标注总数0intact_road_line完好车道线41362471damaged_road_line破损车道线36426122intact_assistance_line完好辅助线1121813damaged_instruction_line破损指示标线1472434intact_instruction_line完好指示标线3168015etc其他67996intact_yellow_line完好黄色标线37514487damaged_yellow_line破损黄色标线2495478damage_assistance_line破损辅助线891561.3 YOLO 类别列表names[intact_road_line,damaged_road_line,intact_assistance_line,damaged_instruction_line,intact_instruction_line,etc,intact_yellow_line,damaged_yellow_line,damage_assistance_line]二、应用场景无人机道路巡检航拍画面自动识别各类道路标线完好/破损状态替代人工巡查。市政交通养护统计标线破损点位、类型制定标线修复、翻新方案。智慧交通系统道路视觉监测模块实时评估标线完好度保障通行安全。算法研发高分辨率航拍目标检测模型训练、科研实验、行业竞赛。交通工程分析批量分析标线老化、破损规律用于道路运维大数据研究。三、YOLOv11 训练推理代码3.1 环境依赖安装pipinstallultralytics torch opencv-python numpy3.2 数据集配置文件road_mark.yamlpath:./road_mark_datasettrain:images/trainval:images/valtest:images/testnc:9names:0:intact_road_line1:damaged_road_line2:intact_assistance_line3:damaged_instruction_line4:intact_instruction_line5:etc6:intact_yellow_line7:damaged_yellow_line8:damage_assistance_line3.3 数据集目录结构road_mark_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ # YOLO txt 标注 │ ├── train/ │ ├── val/ │ └── test/ ├── voc_annotations/ # VOC xml 标注 ├── coco_annotations/# COCO json 标注 └── road_mark.yaml3.4 训练代码train_mark.pyfromultralyticsimportYOLOdeftrain_road_mark():modelYOLO(yolov11n.yaml)model.train(dataroad_mark.yaml,epochs80,imgsz1280,batch4,devicecpu,# GPU环境改为 device0workers2,patience15,ampTrue,mosaic1.0,projectruns/train,nameroad_mark_det,exist_okTrue)print(训练完成权重已保存)if__name____main__:train_road_mark()3.5 推理测试代码predict_mark.pyfromultralyticsimportYOLO modelYOLO(runs/train/road_mark_det/weights/best.pt)if__name____main__:# 单图检测resmodel(test.jpg,saveTrue,conf0.25)# 批量图片# res model(./test_imgs/, saveTrue, conf0.25)# 视频/摄像头# res model(0, saveTrue, conf0.25)print(推理完成)