集装箱损伤检测数据集 | 7700张YOLO智慧港口数据集适用于港口验损、物流定责与目标检测研究一、数据集概述本数据集针对集装箱箱体损伤区域进行标注共包含约7700张高质量标注图像专为集装箱箱体损伤检测模型训练、验证与测试设计。集装箱在装卸、堆存与长途运输过程中频繁承受机械外力与环境侵蚀容易出现凹陷、破孔、锈蚀、变形等损伤直接影响货物安全并涉及责任划分与维修成本。港口传统查验依靠人工逐箱目检作业量巨大且在夜间与恶劣天气下准确率下降。本数据集可用于训练自动化检测模型配合闸口摄像头或轨道式扫描设备实现进出场自动验损提升通关效率并为货损定责提供客观依据。该数据集为公开领域授权可自由用于商业与科研用途适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。随着智慧港口建设和物流数字化转型的快速发展利用计算机视觉技术实现集装箱损伤的自动检测已成为提升港口作业效率、降低人工查验成本的重要手段。本数据集针对集装箱损伤检测场景中损伤形态多样、拍摄条件复杂、箱面纹理干扰等问题进行专项构建可为港口智能理货系统与物流定责平台提供高质量数据支撑。数据集下载通过网盘分享的文件集装箱损伤检测数据集-1类链接: https://pan.baidu.com/s/17UURqcwvosE5nR77ku2pCA?pwdu5qi提取码: u5qi二、数据集基本信息项目内容数据集名称集装箱损伤检测数据集数据规模约7700张高质量标注图像任务类型目标检测Object Detection检测目标集装箱箱体损伤类别数量nc1类标注方式Bounding Box目标框标注数据格式YOLO标准格式数据来源真实港口作业环境采集数据划分Train / Valid / Test适配模型YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等三、数据集类别说明本数据集为单类别目标检测数据集聚焦于集装箱箱体损伤区域的精准检测与定位类别简洁明确无冗余类别干扰适配单目标检测任务需求。类别配置nc:1names:-damage类别详情类别ID类别名称英文名称类别说明0损伤damage集装箱箱体各类损伤包含凹陷、破孔、锈蚀、划痕、变形等单类别设计使模型能够专注于损伤区域的特征学习提高检测精度与定位准确性特别适用于港口进出场验损、智能理货与货损定责等专项应用场景。四、数据集结构说明数据集采用标准YOLO目录结构组织已按训练集、验证集、测试集进行科学划分结构清晰便于直接接入主流检测框架。集装箱损伤检测数据集-1类/ ├── train │ ├── images │ └── labels ├── valid │ ├── images │ └── labels ├── test │ ├── images │ └── labels └── data.yaml各数据集作用如下train/images labels训练集图像与标签用于模型参数学习与特征提取valid/images labels验证集图像与标签用于超参数调优、早停监控及防止过拟合test/images labels测试集图像与标签用于最终模型性能评估与泛化能力测试。标注文件为同名.txt格式每行格式为类别索引 x_center y_center width height坐标均为归一化值配套data.yaml已配置好类别名称与数量可直接适配YOLO系列等目标检测框架。五、数据集核心优势1. 专注集装箱损伤检测本数据集以集装箱箱体损伤检测为核心任务所有图像聚焦于真实港口作业环境下的集装箱采集覆盖不同箱型、箱面与损伤形态。类别设计贴合港口验损、智能理货与货损定责实际需求更利于训练出针对集装箱损伤的高精度检测模型。覆盖损伤部位包括侧板左右两侧门端箱门区域顶部角柱与底梁覆盖损伤形态包括凹陷与变形破孔与穿孔锈蚀与腐蚀划痕与刮擦2. 贴近真实港口作业环境数据来源于真实港口作业场景具有以下特点多样箱型不同尺寸、颜色的集装箱多样箱面侧板、门端、顶部等不同部位复杂拍摄条件不同距离、角度、光照条件真实损伤样本来源于真实集装箱的损伤记录有效保障模型在实际港口作业中的泛化能力。3. 复杂光照与拍摄条件数据覆盖光照条件白天强光、夜间照明、逆光等拍摄角度侧面、斜角、顶部俯视等拍摄距离近距离特写、中远距离全貌作业环境闸口、堆场、码头前沿等能够有效增强模型在真实港口复杂环境中的鲁棒性。4. 高质量人工标注所有图像均经过高质量人工精准标注边界框规整贴合损伤区域无漏标/错标标注标准统一规范满足高精度检测模型训练需求有效保证模型训练质量。5. 商业友好授权数据集为公开领域授权可自由用于商业与科研用途港口验损系统开发物流平台货损定责集装箱维修管理科研与教学用途使用无授权限制降低商业化落地门槛。6. 即用型数据组织标准目录结构单类别简化配置无需复杂预处理下载即可直接用于模型训练降低使用门槛。六、适用场景港口集装箱进出场自动验损在港口闸口、堆场出入口部署自动验损系统对进出场集装箱进行损伤检测与记录。智能理货与箱况自动记录在智能理货系统中自动检测集装箱损伤情况生成箱况记录与损伤档案。物流货损责任判定与理赔取证在货损纠纷中提供客观的损伤检测证据辅助责任判定与理赔处理。堆场集装箱状态巡检与维修调度在堆场巡检中自动识别损伤集装箱触发维修调度流程提升堆场管理效率。船运与多式联运货损管理在船运、铁路、公路多式联运中跟踪集装箱损伤情况支撑全程货损管理。教学科研用于工业场景目标检测算法研究与模型调优等科研场景。七、适用研究方向本数据集可广泛应用于以下研究领域集装箱损伤检测与评估研究单类别目标检测研究工业视觉与港口智能化研究物流与供应链数字化研究智能理货与货损管理研究YOLO系列模型优化研究轻量化检测模型与边缘部署研究域适应与跨场景泛化研究八、总结集装箱损伤检测数据集包含约7700张高质量标注图像采用标准YOLO格式构建专注于集装箱箱体损伤的检测与定位任务。数据集以单类别损伤为核心检测目标覆盖凹陷、破孔、锈蚀、划痕、变形等多种损伤形态及侧板、门端、顶部等不同箱面具有样本量大、标注精准、商业友好等特点可广泛应用于港口验损、智能理货、货损定责、维修调度等领域是开展集装箱损伤检测算法研发与智慧港口系统建设的优质数据资源。