简介：这是一份面向桥梁缺陷检测任务的YOLO格式目标检测数据集，适合计算机视觉方向的初学者、算法工程师以及桥梁健康监测项目相关开发者使用。数据集中标注了腐蚀、裂纹、白石灰、泄漏、剥落五类典型桥梁缺陷，并已按YOLO标准格式划分出训练集与验证集，可直接接入YOLOv5、YOLOv8等主流模型开展训练。压缩包内共包含两千个文件，其中有一千九百九十九个文本标签文件和一个可视化脚本，资源包整体大小约为一百二十三点三七兆字节。文本标签中记录着每一张图像对应的缺陷框坐标及类别信息，可视化脚本则能够快捷地把标注框绘制在原始图像上，便于使用者直观检查标注质量。截至目前，已有四百一十八人学习下载这份资源。它既可以作为桥梁缺陷自动识别研究的起步数据，也可用于模型精度调优、算法对比验证等实际环节，文件结构清晰并附带类别定义文件，部署门槛低，下载后即可直接开始相关训练实验。

1. 桥梁缺陷检测数据集：先搞懂要检测什么，再谈模型

做桥梁缺陷检测的人，多半是拿着无人机或桥检车拍回来的照片，想用目标检测模型自动找出裂缝、剥落、露筋这些病害。但很多人第一步就卡在“没有数据”：网上公开的桥梁缺陷数据集少，类别杂，标注质量残次不齐，直接拿COCO预训练模型去跑，检测出来的全是人、车、交通标志，跟缺陷毫无关系。这篇笔记要解决的就是这个痛点：在没有现成数据的情况下，怎么从零构建一份能用来训练YOLO系列模型的桥梁缺陷检测数据集，以及把数据集喂给模型后，有哪些参数值得调、哪些坑不值得踩。适合正在做桥梁检测项目、需要落地目标检测方案的一线工程师和研究生。

2. 桥梁缺陷检测数据集的构成：缺陷类别、标注规范与成像条件

2.1 缺陷类别：裂缝、剥落、露筋、渗水，别只标一种

桥梁缺陷检测不是“找出所有损坏的东西”那么简单。检测目标必须提前定死，否则标注员会自由发挥，把锈迹、污渍、青苔全标成缺陷，模型学出来就是一团浆糊。常见做法是把缺陷分成四到六个类别，每类再定义清楚“什么算、什么不算”。

我一般建议最小集是四类：裂缝（crack）、剥落（spalling）、露筋（exposed rebar）、渗水（water seepage）。如果需要更细，可以加“蜂窝麻面”（honeycomb）和“锈蚀”（rust stain）。但这六个类别已经足够让数据标注成本可控。定义规则要落到文字上，比如裂缝：宽度大于0.1mm、长度在图像上至少占20个像素、并且是线状延伸的才算；剥落：混凝土表面成块掉落，能看到凹坑或骨料外露；露筋：钢筋外露，且周围混凝土已经缺失或严重开裂。这些规则写进标注规范，比让标注员自己理解省心得多。

一个常见误区是只标裂缝。很多论文和演示项目把裂缝当成唯一目标，因为裂缝最多、最好标。但实际桥梁检测要交付的是“全病害清单”，只做裂缝一个类别，剥落和露筋全漏了，现场复核时会被业主追着问。所以数据集的类别粒度必须跟着检测需求走，而不是跟着标注难度走。

2.2 标注格式选型：VOC还是COCO，YOLO系列怎么接

桥梁缺陷检测现在用得最多的是YOLO系列，因为它推理快、部署方便，适合无人机巡检测完之后回机房批量跑。YOLO的训练接口一般吃两种格式：一是YOLO自己的txt格式（每张图对应一个txt，每行是class_id x_center y_center width height），二是COCO JSON格式。而标注工具普遍输出VOC XML格式，所以转换是绕不开的一步。

选VOC还是COCO，取决于你后面要不要做实例分割。做纯矩形框目标检测，VOC XML足够，转换脚本简单；如果打算以后升级到Mask R-CNN或者YOLOv8-seg做裂缝轮廓分割，那直接标COCO多边形会少一次返工。我的建议是：第一版数据集用矩形框，VOC格式起步，因为桥梁缺陷大多数是紧凑区域，矩形框浪费不多，标注速度快一倍。等检测框稳了，再针对裂缝单独补一份多边形分割数据。

对YOLO来说，txt格式最省事，但有个缺点：类别名和类别id的映射在训练配置里定义，txt文件本身不含类别名。如果你同时跑YOLOv5和YOLOv8，不同版本的类别顺序定义可能不一致，就会出现“训练时第0类是裂缝，推理时第0类成了剥落”的翻车现场。所以项目里最好固定一份classes.txt，所有转换脚本、训练配置都从这份文件读取，不要手写。

2.3 成像条件：无人机、桥检车、手机补拍，光照和角度怎么统一

桥梁缺陷数据集最麻烦的不是标注，而是图像来源五花八门。无人机拍的是俯视视角，桥梁底面裂缝在阴影里；桥检车贴近拍的是正视视角，分辨率高但视野窄；手机补拍有时是斜视角。如果这些图混在一起训练，模型会学到“角度”和“光照”的偏见，而不是缺陷本身。

解决办法是主动记录每张图的采集方式，并在划分训练集和验证集时按“采集批次”而不是按“图像随机”划分。举例来说，无人机一个架次的1000张图可能来自同一段桥面，如果随机切，训练集和验证集里都出现同一区域的图，验证分数会虚高，到现场换一座桥就崩。正确做法是按拍摄时间或拍摄路段分组，一个组的图整体进训练集或整体进验证集，避免数据泄漏。

另外，光照条件不能只靠调色。桥梁底面裂缝在逆光下几乎看不见，这时候应该补拍，而不是强行做亮度增强。现场采集时，我习惯让飞手对疑似病害区域从两个角度各拍一张：一张直射光、一张侧光。侧光能让裂缝阴影更明显，对训练和现场复核都有用。

3. 从零构建桥梁缺陷数据集：采集、清洗与标注的落地流程

3.1 采集方案：最少拍多少张，覆盖哪些部位

目标是训练一个能用的检测模型，不是发论文刷榜，所以数量不用追求“上万张”。我的经验是：每个类别最少300个标注实例，四类加起来1200到1500个实例；一张图里可能同时有多个缺陷，所以对应图像数量在800到1000张左右。这个量级够YOLOv8从预训练权重微调出能上场的模型。如果类别多或者场景复杂，再加到每类500个实例。

采集部位要按桥梁结构拆：桥面系（铺装裂缝、伸缩缝破损）、上部结构（梁底裂缝、腹板剥落、翼缘露筋）、下部结构（墩身渗水、盖梁剥落、基础冲刷）。每个部位至少拍50张，否则模型容易只认某一段桥的特征。另一个容易被忽略的是背景多样性：同一类裂缝，在混凝土表面、涂层表面、有青苔的表面、有水渍的表面，视觉差异很大。每个背景类型至少要有20张。

拍摄分辨率有讲究。无人机相机一般2000万像素以上，但一块几百像素的裂缝区域在整张图里可能只占1%。训练时YOLO会把图缩放到640×640，小裂缝直接被压没了。所以对原始大图要做切片（tiling），把一张4000×3000的图切成若干张1024×1024的块，缺陷所在的块单独留下做标注，空白块可以删掉。切片后再标注，框的相对尺寸会大很多，模型学起来更轻松。

3.2 用LabelImg做矩形框标注：最小操作与快捷键

LabelImg是最常见的VOC标注工具，单机可用，支持预定义类别。装好之后先把类别写进classes.txt，然后用快捷键标注：W画框，A/D切换上一张下一张，Ctrl+S保存，Space标记已验证。标注时要按缺陷的实际轮廓画，尽量贴边，不要留大块背景。

# 安装LabelImg（Python 3 + Qt5） pip install labelImg # 启动前预定义类别 # 编辑 data/predefined_classes.txt，每行一个类别名 crack spalling exposed_rebar water_seepage # 打开标注界面，默认输出VOC XML到指定目录 labelImg images/ annotations/ --labels data/predefined_classes.txt

这里有个参数说明：--labels指定预定义类别文件后，画框时弹出的类别列表就是固定的，不会出现标完发现类别名打错的低级问题。输出格式默认PascalVOC，如果你想要YOLO格式，启动时加--yolo可以直接生成txt，但我不推荐一上来就用YOLO格式，因为XML里带有图像尺寸、类别名、坐标绝对值，后面做清洗和过滤更方便。

标注的边界框有个实操技巧：裂缝通常是长条形的，画框时别画得太宽，否则多个裂缝重叠后，框之间IoU高，后处理NMS会误删。推荐让框的长边方向跟裂缝主方向一致，宁可窄一点。剥落和露筋形状不规则，框稍微留2到3个像素的余量即可，别为了省时间把整个大区域圈进去。

3.3 数据增强：Mosaic、混合复制粘贴，哪些对桥梁缺陷有效

数据增强不是越多越好。桥梁缺陷检测的场景特殊性在于：缺陷是局部小目标，且大多在混凝土纹理背景上。通用目标检测常用的随机翻转、缩放、颜色抖动都有效，但有一类增强要慎用——随机擦除（Random Erase）。如果擦除的区域恰好覆盖裂缝主体，模型会被逼着学“看到混凝土纹理就预测裂缝”，反而增加误检。

YOLOv8默认开的Mosaic增强（把4张图拼成一张）对桥梁缺陷有效，因为它强行让模型在多个尺度上学习缺陷特征，同时增加了背景多样性。训练时mosaic参数一般设在0.5到1.0之间，我通常用0.8。另外copy-paste增强（把一张图里的缺陷框复制到另一张图的随机位置）也很适合桥梁场景，因为桥梁背景干净、缺陷位置可重复，复制后视觉上不违和。

# 用albumentations做在线增强的配置片段 import albumentations as A transform = A.Compose([ A.RandomBrightnessContrast(p=0.5), A.HueSaturationValue(hue_shift_limit=10, sat_shift_limit=20, val_shift_limit=10, p=0.3), A.Rotate(limit=15, border_mode=0, p=0.5), A.RandomSizedBBoxSafeCrop(width=640, height=640, erosion_rate=0.2, p=0.8), ], bbox_params=A.BboxParams(format='yolo', label_fields=['class_labels']))

这段代码里的RandomSizedBBoxSafeCrop是专门为检测设计的：它会随机裁剪一个带标注框的区域到指定尺寸，但保证裁剪后所有框不被截断。这比直接resize更能保留小裂缝的原始像素。border_mode=0表示旋转时超出边界的区域填黑，不会引入彩色噪声。如果你用的是YOLO自带的增强，记得把translate控制在0.1以内，平移太多会让框跑到图像外，产生大量空标注。

4. 把数据集喂给YOLO系列：格式转换、训练配置与参数调优

4.1 VOC转YOLO的转换脚本：XML到TXT的边界坑

标完的VOC XML要转成YOLO txt才能训练。转换脚本网上很多，但容易在四个边界坑上翻车：一是坐标系归一化时没有除以图像宽高，二是类名和id映射错位，三是多个对象共用一个框（比如裂缝和渗水叠在一起），四是XML里有损坏文件导致ElementTree解析崩溃。

下面是我经常用的转换脚本，带异常处理：

import os import xml.etree.ElementTree as ET from glob import glob CLASSES = {'crack': 0, 'spalling': 1, 'exposed_rebar': 2, 'water_seepage': 3} def convert_xml_to_yolo(xml_path, out_dir): tree = ET.parse(xml_path) root = tree.getroot() img_w = int(root.find('size/width').text) img_h = int(root.find('size/height').text) if img_w == 0 or img_h == 0: print(f'跳过 {xml_path}: 图像尺寸为0') return txt_name = os.path.basename(xml_path).replace('.xml', '.txt') txt_path = os.path.join(out_dir, txt_name) lines = [] for obj in root.iter('object'): name = obj.find('name').text if name not in CLASSES: print(f'未知类别 {name} 在 {xml_path}, 跳过') continue box = obj.find('bndbox') x1 = float(box.find('xmin').text) y1 = float(box.find('ymin').text) x2 = float(box.find('xmax').text) y2 = float(box.find('ymax').text) # 过滤无效框 if x2 <= x1 or y2 <= y1: print(f'无效框在 {xml_path}, 跳过') continue x_center = (x1 + x2) / 2 / img_w y_center = (y1 + y2) / 2 / img_h w = (x2 - x1) / img_w h = (y2 - y1) / img_h # 裁剪到[0,1]范围，防止越界 x_center = min(max(x_center, 0), 1) y_center = min(max(y_center, 0), 1) w = min(w, 1) h = min(h, 1) lines.append(f'{CLASSES[name]} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}') with open(txt_path, 'w') as f: f.write('\n'.join(lines)) # 批量转换 xml_files = glob('annotations/*.xml') os.makedirs('yolo_labels', exist_ok=True) for xml_file in xml_files: convert_xml_to_yolo(xml_file, 'yolo_labels') print(f'转换完成，共处理 {len(xml_files)} 个XML')

这段逻辑里值得说明的是那个“裁剪到[0,1]”的操作。有些标注员会把框画出图像边界，如果不做裁剪，YOLO训练时会出现AssertionError: bbox must be in [0,1]，然后整个训练中断。另外，text获取尺寸字段时是字符串，必须转float，很多新手忘掉这一行导致除零报错。如果你用OpenCV读图来获取尺寸，记得图片路径和XML文件名要一一对应，别用全大写后缀和全小写后缀混着来。

4.2 训练配置：batch size、学习率、anchor怎么设

以YOLOv8为例，训练命令看似简单，但参数要按数据集规模调整。桥梁缺陷数据集一般只有几百到一千张图，属于小数据集微调，不能照搬COCO的默认超参。

yolo train \ model=yolov8s.pt \ data=bridge_defect.yaml \ epochs=200 \ imgsz=640 \ batch=16 \ lr0=0.01 \ lrf=0.01 \ mosaic=0.8 \ patience=30 \ cache=True

参数说明：batch=16在2080Ti级别显卡上够用，如果显存只有8GB，改成batch=8并同时减小imgsz到480。lr0=0.01是默认值，但对小数据集来说偏高，我一般设lr0=0.005，避免前几十个epoch就发散。patience=30是早停轮数，模型连续30个epoch没提升就停，省时间。cache=True可以把图像提前加载到内存，训练速度快一倍，前提是内存够。

anchor这块要单独说。YOLOv5和YOLOv8在训练时会自动从你的标注框里重新聚类anchor，所以你不需要手工设定anchor大小。但聚类结果是基于你当前训练集算出来的，如果验证集里出现训练集没有的极宽极窄框（比如一条横向贯穿整个桥面的裂缝），推理时按聚类的anchor去预测，召回率会下降。做法是训练完成后用yolo val的PR曲线看局部召回，如果发现宽度大的目标漏检，可以考虑把anchor_t（anchor与真实框的宽高比阈值）从默认4调大到6，允许模型预测更极端的宽高比。

data=bridge_defect.yaml的内容如下：

path: ./bridge_defect train: images/train val: images/val names: 0: crack 1: spalling 2: exposed_rebar 3: water_seepage

注意names必须和转换脚本里的CLASSES一致。如果哪个框的类别id写错了，训练不报错，但推理时标签全错。

4.3 模型选型：YOLOv8、YOLOv11还是DETR，小目标怎么权衡

桥梁缺陷检测的小目标问题很突出：一条0.5mm宽的裂缝，在无人机50米高度拍摄的照片里只占几个像素。模型选型时先看计算资源和对延迟的要求。

如果跑全桥视频流检测，需要实时性，YOLOv8n或YOLOv8s就够了，配合切片后推理，单帧耗时能压在30ms以内。如果只做照片批量筛查，不在乎延迟，YOLOv8m甚至YOLOv8l召回率更高，对小目标更友好。YOLOv11系列比v8在骨干网络上做了改动，推理速度略快，精度也不错，但我个人在缺陷检测上没看到质的飞跃，选v8还是v11看你团队熟悉哪个。DETR这类Transformer检测器在通用目标上很强，但小目标需要更大的训练数据，桥梁缺陷这种千张级数据集容易过拟合，不推荐第一版就上。

如果非要提升小目标检测，有两个更实际的招。一是把训练图分辨率从640提到960或1280，代价是显存和训练时间暴涨，但对裂缝这种极细目标，分辨率比模型参数量更重要。二是用SAHI（切片辅助推理）库对推理图做切片，再拼接预测结果。SAHI在无人机和遥感场景验证很多，桥梁检测同样是“大图、稀疏小目标”，直接套用能显著提高召回。缺点是后处理逻辑复杂，每张图有几十个切片，漏检的错检交织在一起，需要写额外的NMS逻辑。

5. 桥梁缺陷检测的避坑与常见问题：标注不一致、过拟合、漏检

5.1 缺陷边界判定不一致：同一条缝两个标注框差一倍

现象：训练集和验证集的mAP很高，但现场测试时同一张图两次推理，框大小抖动明显。

原因：标注员对裂缝起止点判定不统一。有人把裂缝从起点到终点整个拉一条框，有人只框明显断裂段；造成同类目标宽高比分布极广，模型学到的“裂缝”概念是模糊的。

解决：标注规范里写死“框必须包含裂缝可见的全部连续区域，但不包含延伸的隐约痕迹”。同时做一个双人标注交叉校验：随机抽10%的图像，让两个人独立标，计算每个框中心点距离和长边IoU，偏差大于15%的打回重标。这个校验成本不高，但能稳定提升数据质量。

5.2 数据类别极度不均衡：裂缝占80%，剥落只有几十张

现象：训练完的模型对裂缝很灵敏，对剥落完全无感，即使剥落面积很大也漏检。

原因：采集时桥梁表面裂缝最多，剥落和露筋少，标注实例数差距悬殊。默认的损失函数会被多数类主导。

解决：先用类别频率重采样，对少数类图像做过采样（简单复制或轻度增强），让每个类别的实例数接近。这里不推荐用focal loss粗暴调权重，因为桥梁缺陷类别间特征差异大，过采样更直接。另外可以在训练配置里启用class_weights，但需要在验证集上多测几次看F1是否真的提升。我踩过的坑是：把剥落权重调太高后，所有蜂窝麻面都被误判成剥落，误检率暴涨。所以权重调整幅度以1.5倍为上限。

5.3 小目标漏检：裂缝宽度只有几个像素，怎么调

现象：验证集mAP有0.75，但把模型用到无人机原始大图上，宽度小于5像素的裂缝全漏了。

原因：训练时图像被resize到640×640，原来在4000×3000图里占10像素的裂缝，缩放后只剩1个像素，几乎不可见。模型根本没见过足够清晰的小裂缝特征。

解决：两个方向并行。一是训练时用1180的大分辨率并配合切片数据；二是推理时用SAHI切片。如果不想引入SAHI依赖，可以人工把原始大图按50%重叠裁成1024×1024的小图，对小图推理后再把边界框坐标映射回原图，并滤除那些边界上被截断的不完整框。这个做法的缺点是推理时间增加了5倍左右，但桥梁检测通常是离线批量跑，时间换召回是值得的。

5.4 误检渗水痕迹：阴影和渗水怎么区分

现象：桥墩侧面大片阴影被识别成渗水，晴天高架桥面下排水管附近的黑色污渍也被标成渗水。

原因：渗水痕迹在颜色上和阴影、污渍相似，都偏深色，模型学到的是“深色区域”，而不是“水迹的不规则边缘和湿润纹理”。

解决：标注时把渗水影像细分为两类：有明确水迹边缘的“渗水”和只有颜色变深的“水渍”。如果水渍不构成结构病害，就把它单独作为负样本背景类，不参与缺陷检测。另外建议在训练集里加入“阴影”和“反光”两类的负样本标注（类别名设为0，即背景，但给个框），让模型有明确的负样本信号。YOLO支持背景类，只需在txt里额外引入一个id并给低权重，实测能明显降低误检。

5.5 模型在实拍现场翻车：训练集太干净，部署时遇逆光

现象：实验室测试一切正常，到了现场，无人机拍出来的图有雾霾、逆光、运动模糊，模型漏检严重。

原因：训练集大多来自天气好、光线好的巡检照片，没覆盖低光照和退化条件。深度学习模型对分布外数据很脆弱，桥梁现场的环境变化比想象中剧烈。

解决：在数据采集阶段就要有意识地加入退化场景。具体做法是：从已有的正常图中用随机gamma变换模拟逆光暗部，用高斯模糊模拟轻微失焦，用高斯噪声模拟低照度。这些增强的强度要适中，不要把裂缝纹理消掉。更重要的是，务必保留一批完全没有增强的原始图作为最终验证集，否则你无法判断模型在干净图上有没有退化。

6. 用一份自建数据集验证检测效果：mAP之外还要看什么

模型训练完，习惯上先看mAP@0.5。但对桥梁缺陷检测，mAP不能单独决定能不能交付。你需要做三件事：看PR曲线确认召回瓶颈，看混淆矩阵确认类别串扰，拿真实大图做端到端推理验证。

PR曲线要重点关注召回率在0.5到0.8之间的下降速度。裂缝检测的召回率如果低于0.8，意味着每10条裂缝会漏掉2条以上，现场复核成本会翻倍。这时候优先调置信度阈值：验证集上画出不同置信度下的F1曲线，选F1最高的置信度作为部署阈值。不要机械用默认0.25，桥梁缺陷场景通常会把阈值拉到0.3到0.4，因为误检的代价是派人排查空点，漏检的代价是结构安全隐患。

混淆矩阵看的是类别串扰。最常见的是剥落和蜂窝麻面相互误判，露筋和锈蚀相互误判。如果混淆矩阵里非对角线数值超过10%，说明类别定义本身不够清晰，需要回炉重建类别标准，而不是调模型。这一步很多人跳过，到了现场被业主发现一张剥落的照片被标成裂缝，再回来补就晚了。

最后，用没参与训练的另一座桥的原始照片做端到端测试。把模型输出的框叠加到大图上，检查三个问题：框是否比缺陷实际范围大出很多，裂缝是否只检测出断裂段而漏掉连续段，以及同一区域是否出现重复框。重复框多说明NMS阈值太松，目标密度高时需要调低NMS的IoU阈值到0.4；漏检集中在同一位置说明切片重叠率不够，提高重叠率到30%。

我自己做过一个桥梁底面裂缝检测项目，第一次交付时mAP到了0.82，满以为没问题，结果现场用无人机实拍一整座桥，裂缝召回只有0.6。后来排查发现训练集里全是用桥检车拍的近距离图，宽度和角度很单一，加上现场逆光，模型直接把阴影当成背景吞掉了。后来补了侧面光和逆光数据，又把Mosaic关了半个epoch做微调，召回才上来。这件事后我养成了一个习惯：任何数据集做完，先按采集条件分组再做验证，mAP再高也不急着部署。希望这篇笔记能帮你在桥梁缺陷检测数据集上少走一段弯路。

本文还有配套的精品资源，点击获取