YOLOV11模型如何训练智慧飞行无人机道路病害检测数据集 -无人机航拍道路损伤检测数据集

智慧飞行无人机道路病害检测数据集 -无人机航拍道路损伤检测数据集1014张yolovoccoco三种标注方式图像尺寸:640*640类别数量:7类训练集图像数量:822; 验证集图像数量:101 测试集图像数量:91类别名称: 每一类图像数 每一类标注数rutting 车辙 | 24,33longitudinal crack 纵向裂缝 | 208,260tambalan 路面拥包 | 472,637edge crack 边缘裂缝 | 106,111pothole 坑槽 / 坑洞 | 313,728alligator crack 龟裂 / 网状裂缝 | 159,225bumps and sags 路面凹凸 | 13,13image num: 1014无人机航拍道路损伤检测数据集数据集详情表项目参数数据集名称无人机航拍道路损伤检测数据集总图像数量1014张图像尺寸640*640标注格式YOLO、VOC、COCO类别总数7类训练集822张验证集101张测试集91张类别统计类别英文类别中文含该类图像数标注总数rutting车辙2433longitudinal crack纵向裂缝208260tambalan路面拥包472637edge crack边缘裂缝106111pothole坑槽/坑洞313728alligator crack龟裂/网状裂缝159225bumps and sags路面凹凸1313yolo配置文件 road_damage.yamlnc:7names:0:rutting1:longitudinal crack2:tambalan3:edge crack4:pothole5:alligator crack6:bumps and sags关键词道路病害检测、无人机道路巡检、路面坑槽裂缝识别、公路损伤检测、航拍路面缺陷、YOLO目标检测、市政道路自动化排查应用场景无人机公路、市政道路航拍巡检自动识别路面各类病害公路养护部门道路病害普查统计坑槽、裂缝、拥包位置科研方向航拍视角路面缺陷识别算法研究无人机巡检配套AI系统病害定位导出报表YOLOv11简易训练代码fromultralyticsimportYOLOif__name____main__:modelYOLO(yolo11n.pt)train_resultsmodel.train(dataroad_damage.yaml,epochs50,imgsz640,batch8,device0,workers2,conf0.25)#模型评估metricsmodel.val()#推理测试resultmodel.predict(road_test.jpg,saveTrue)推理代码fromultralyticsimportYOLO modelYOLO(runs/detect/train/weights/best.pt)defroad_damage_infer(img_path):out_list[]resmodel.predict(img_path,conf0.3)forrinres:forboxinr.boxes:cls_idxint(box.cls)conffloat(box.conf)box_xyxybox.xyxy.tolist()[0]out_list.append({class_name:model.names[cls_idx],confidence:round(conf,2),box:box_xyxy})returnout_list配套PyQt可视化界面完整代码。可做。