水管漏水检测数据集基础信息表YOLO模型如何训练这个数据集

水管漏水检测数据集基础信息表信息项详情数据集名称water-leak-wgdaq 水管漏水视觉检测数据集任务类型2D目标检测类别总数4类目标类别crack管道裂缝、leak液体渗漏、no leak完好管道、water积水/水渍标注格式YOLO TXT归一化矩形框标注同时支持COCO JSON、VOC XML格式导出数据集划分分为train/val/test三组图像、标注文件分文件夹独立存放标注类型二维边界框检测标注无分割、关键点标注适用场景市政管道巡检、建筑墙体漏水识别、水务设备故障视觉检测YOLOv26 目标检测配套训练代码1. 数据集目录结构water_leak_wgdaq/ ├── train/ │ ├── images │ └── labels ├── val/ │ ├── images │ └── labels ├── test/ │ ├── images │ └── labels └── data.yaml在这里插入图片描述2. data.yaml 配置文件path:./water_leak_wgdaqtrain:train/imagesval:val/imagestest:test/imagesnc:4names:0:crack1:leak2:no leak3:water3. 训练脚本 train_water_leak.pyfromultralyticsimportYOLOif__name____main__:modelYOLO(yolov26s.pt)model.train(data./water_leak_wgdaq/data.yaml,epochs100,imgsz640,batch8,device0,workers0,lr00.01,patience15,projectruns/train,nameyolov26_water_leak,exist_okTrue,mosaic1.0)在这里插入图片描述4. 模型评估与推理脚本fromultralyticsimportYOLO# 加载训练完成最优权重modelYOLO(runs/train/yolov26_water_leak/weights/best.pt)# 验证集精度评估metricsmodel.val(data./water_leak_wgdaq/data.yaml)# 单张图像推理并保存结果model(test_pipe.jpg,saveTrue)# 视频推理# model(pipe_video.mp4, saveTrue)