Fluent管道流动仿真：压力损失、速度分布与压力分布全流程分析
2026/10/16 7:17:38
古建筑缺陷检测数据集 | 古建筑保护 缺陷检测 裂缝识别 瓦片损坏 9192期
数据集概述
本数据集专注于古建筑结构表观缺陷的视觉检测与分类，服务于古建筑保护、文物修缮及建筑遗产监测。数据涵盖六类典型古建缺陷，适配无人机巡检、建筑遗产普查及自动化病害识别等应用。
数据集核心信息
| 数据要素 | 详细说明 |
|---|---|
| 类别 | 共6类：裂缝、植物、污染、剥落、泥土、瓦片损坏 |
| 数量 | 4019张图像 |
| 格式 | 图像为 JPG/PNG；标签为 YOLO 格式的 txt 文件（水平边界框） |
| 数据版本 | 2个版本 |
| 应用价值 | 1.古建保护：支撑古建筑表观缺陷的自动化检测与分类，替代人工登高检查。 2.文物修缮：为古建筑修缮计划制定提供数据基础，辅助修缮优先级排序。 3.遗产监测：为建筑遗产的长期健康监测提供视觉数据支撑。 4.算法研发：为多类别缺陷检测、细粒度识别等视觉任务提供真实场景的训练与评测数据。 |
完整类别列表（共6类）
| 序号 | 英文名称 | 中文释义 | 缺陷类型说明 |
|---|---|---|---|
| 1 | crack | 裂缝 | 建筑结构表面的线性开裂 |
| 2 | plant | 植物 | 建筑表面生长的植物或植被 |
| 3 | contamination | 污染 | 表面污染或变色 |
| 4 | peeling | 剥落 | 涂层或表层材料剥离脱落 |
| 5 | soil | 泥土 | 表面积累的泥土或灰尘 |
| 6 | tile_damage | 瓦片损坏 | 屋面瓦片的破损、缺失 |
数据三要素解析
类别与缺陷覆盖
- 数据集定义6类古建筑典型缺陷，覆盖结构损伤类（裂缝、剥落、瓦片损坏）、环境侵蚀类（植物、泥土、污染）。
- 缺陷类型覆盖了古建筑从物理损伤到生物侵蚀、环境污染的主要劣化模式，具有较强的文物保护实用性。
- 类别设置与古建筑保护技术规范中的常见病害分类相衔接。
数据规模与版本
- 图像总量约4019张，规模适中，能支撑多类别缺陷检测模型的训练。
- 数据集有2个版本，可能包含不同标注完善度或数据增强的迭代版本。
- 图像涵盖古建筑不同部位（屋顶、墙体、木构件）与不同光照条件下的缺陷样本。
格式与结构
- 采用通用YOLO 格式（txt），每张图像对应一个同名标签文件，包含类别 ID 与归一化边界框坐标，可直接接入 YOLOv5、YOLOv8 等主流检测框架。
- 图像与标签一一对应，数据结构规范，便于进行训练/验证集划分与预处理集成。
知识普及：古建筑缺陷视觉检测的技术要点
- 缺陷形态多样：从细长的裂缝到区域性的剥落，缺陷在形态、尺度上差异显著，需模型具备多类别特征提取能力。
- 材质与纹理干扰：古建筑表面材质（木材、砖瓦、彩绘）纹理复杂，可能与缺陷混淆，模型需依赖纹理与颜色特征进行区分。
- 植被遮挡：植物生长在建筑表面，可能遮挡其他缺陷特征，需采用多尺度特征融合策略。
- 光照与视角影响：古建筑多为户外拍摄，光照变化大，且拍摄角度多样，建议训练时加入亮度、对比度增强与视角变换。
- 小目标检测：裂缝、瓦片损坏等目标可能占比较小，需采用高分辨率输入或多尺度特征融合策略。
- 应用闭环：检测结果可导入文物保护GIS系统，结合历史影像进行损毁趋势分析，辅助修缮规划与保护决策。
快速开始（代码示例）
配置文件data.yaml示例：
train:./dataset/images/trainval:./dataset/images/valnc:6names:['crack','plant','contamination','peeling','soil','tile_damage']启动 YOLOv8 训练：
fromultralyticsimportYOLO model=YOLO('yolov8m.pt')model.train(data='data.yaml',epochs=100,imgsz=640,batch=16,device=0)标签
古建筑保护缺陷检测裂缝识别瓦片损坏目标检测YOLO格式深度学习数据集计算机视觉