YOLO模型如何训练 桥梁缺陷目标检测数据集 桥梁缺陷检测 #智慧交通 #桥梁巡检 #市政工程 #结构监测

桥梁缺陷目标检测数据集

【内容】16045张图片，包含’Biodegradation’, ‘Concrete-leaching’, ‘Corrison’, ‘Crack’, ‘Efflorescence’, ‘Exposed-reinforcement-steel’, ‘Formwork-Niche’, 'Staining-or-infiltration’等8类目标，图片清晰标注，适合yolo等目标检测模型训练
1

1

1

1

一、数据集信息总表

二、数据集目录结构

按 YOLO 标准格式整理，目录如下：

bridge_defect/ ├── images/ │ ├── train/ # 训练集图片 │ ├── val/ # 验证集图片 │ └── test/ # 测试集图片 ├── labels/ │ ├── train/ # 对应训练集txt标签 │ ├── val/ # 对应验证集txt标签 │ └── test/ # 对应测试集txt标签 └── bridge_defect.yaml # 模型配置文件

三、YOLO 配置文件bridge_defect.yaml

放置在数据集根目录，类别顺序不可改动：

# 数据集根路径，根据本地实际路径修改path:./bridge_defecttrain:images/trainval:images/valtest:images/test# 类别数量nc:8# 8类病害名称names:0:Biodegradation1:Concrete-leaching2:Corrosion3:Crack4:Efflorescence5:Exposed-reinforcement-steel6:Formwork-Niche7:Staining-or-infiltration

四、环境依赖安装

# YOLOv8 / YOLOv11 通用依赖pipinstallultralytics opencv-python numpy

五、完整训练代码（YOLOv8 推荐）

针对桥梁表面缺陷（细长裂缝、小面积腐蚀/污渍、多尺度目标）做参数优化

5.1 训练脚本train_bridge_defect.py

fromultralyticsimportYOLOdeftrain_bridge_defect():# 加载预训练权重：n(轻量) / s(均衡) / m(高精度) / l(大型)model=YOLO("yolov8s.pt")# 训练参数配置model.train(data="./bridge_defect/bridge_defect.yaml",# 指向yaml配置文件epochs=150,imgsz=640,batch=16,# 显存不足改为 8 / 4device=0,# 无GPU改为 device="cpu"workers=4,patience=30,# 早停，防止过拟合pretrained=True,optimizer="Adam",lr0=0.001,# 数据增强：适配户外光照、阴影、表面纹理干扰mosaic=0.85,hsv_h=0.015,hsv_s=0.7,hsv_v=0.4,fliplr=0.5,flipud=0.2,# 缺陷检测阈值优化conf=0.2,iou=0.45,# 输出路径project="runs/bridge_defect",name="train_yolov8",exist_ok=True)print("训练完成！最优模型路径：runs/bridge_defect/train_yolov8/weights/best.pt")if__name__=="__main__":train_bridge_defect()

5.2 推理测试脚本predict_bridge.py

支持单图、批量图片、视频、摄像头实时检测：

fromultralyticsimportYOLO# 加载训练完成的最优权重model=YOLO("./runs/bridge_defect/train_yolov8/weights/best.pt")if__name__=="__main__":# 1. 单张图片检测# model("test.jpg", save=True, conf=0.2)# 2. 文件夹批量图片检测（推荐）model(source="./test_images",save=True,conf=0.2)# 3. 视频流检测（桥梁巡检视频）# model("bridge_video.mp4", save=True, conf=0.2)# 4. 本地摄像头实时检测# model(source=0, save=True, conf=0.2)print("检测完成，结果保存在 runs/detect 目录")

5.3 YOLOv5 启动命令（备选）

将bridge_defect.yaml放入 YOLOv5 工程data文件夹，命令行执行：

python train.py--datadata/bridge_defect.yaml--epochs150--imgsz640--batch16--weightsyolov5s.pt

六、可选：PyQt5 可视化检测界面

做成桌面工具，适合现场演示、单机部署，和常规界面风格统一：

importsysimportosfromPyQt5.QtWidgetsimport(QApplication,QMainWindow,QWidget,QVBoxLayout,QHBoxLayout,QPushButton,QLabel,QFileDialog,QTextEdit)fromPyQt5.QtGuiimportQPixmapfromPyQt5.QtCoreimportQtfromultralyticsimportYOLOclassBridgeDefectUI(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle("桥梁缺陷检测工具")self.setGeometry(100,100,1000,700)# 加载训练好的模型self.model=YOLO("./runs/bridge_defect/train_yolov8/weights/best.pt")self.file_path=""self.init_ui()definit_ui(self):central=QWidget()self.setCentralWidget(central)main_layout=QVBoxLayout(central)# 按钮区域btn_layout=QHBoxLayout()self.btn_select=QPushButton("选择图片/视频")self.btn_detect=QPushButton("开始检测")self.btn_select.clicked.connect(self.select_file)self.btn_detect.clicked.connect(self.do_detect)btn_layout.addWidget(self.btn_select)btn_layout.addWidget(self.btn_detect)main_layout.addLayout(btn_layout)# 路径显示self.path_label=QLabel("当前文件：无")main_layout.addWidget(self.path_label)# 图片显示区self.img_label=QLabel()self.img_label.setAlignment(Qt.AlignCenter)self.img_label.setMinimumSize(800,480)main_layout.addWidget(self.img_label)# 日志输出self.log_text=QTextEdit()self.log_text.setReadOnly(True)main_layout.addWidget(self.log_text)defselect_file(self):file_path,_=QFileDialog.getOpenFileName(self,"选择检测文件","","图片文件 (*.jpg *.png *.jpeg);; 视频文件 (*.mp4);; 所有文件 (*)")iffile_path:self.file_path=file_path self.path_label.setText(f"当前文件：{file_path}")iffile_path.lower().endswith(("jpg","png","jpeg")):pix=QPixmap(file_path)self.img_label.setPixmap(pix.scaled(self.img_label.size(),Qt.KeepAspectRatio,Qt.SmoothTransformation))self.log_text.append("文件加载完成，点击【开始检测】")defdo_detect(self):ifnotself.file_pathornotos.path.exists(self.file_path):self.log_text.append("请先选择有效文件！")returnself.log_text.append("正在执行缺陷检测...")results=self.model(self.file_path,save=True,conf=0.2)res_dir=results[0].save_dir res_img=os.path.join(res_dir,os.path.basename(self.file_path))ifos.path.exists(res_img):pix=QPixmap(res_img)self.img_label.setPixmap(pix.scaled(self.img_label.size(),Qt.KeepAspectRatio,Qt.SmoothTransformation))self.log_text.append(f"检测完成！结果已保存至：{res_dir}")else:self.log_text.append("视频检测完成，请查看输出目录")if__name__=="__main__":app=QApplication(sys.argv)win=BridgeDefectUI()win.show()sys.exit(app.exec_())