作品简介

一、简介

本数据集专为城市道路、街道主干道及高速公路场景下的路面坑洞检测任务而构建。路面坑洞是常见的道路病害之一，不仅影响行车舒适性，还容易引发轮胎损坏、车辆颠簸失控及交通事故，对市政养护、高速公路管理和智能驾驶环境感知提出了较高要求。本数据集聚焦城市道路、街道主干道和高速公路等典型路面场景，旨在通过目标检测技术实现对路面坑洞的精准识别与定位，为道路病害巡检、养护决策和行车安全预警提供可靠数据支撑。

所有图像均采用 YOLO 标准格式进行精细化标注，严格定义 pothole（路面坑洞）核心类别，旨在通过深度学习模型精准判别图像中是否存在路面坑洞，并准确定位坑洞位置与范围。数据集经过严格清洗与质量筛选，剔除模糊、过曝、雨雪反光严重及标注错误的低质量样本，并统一将图像缩放至 640×640 分辨率，以平衡模型训练效率与检测精度。

该数据集的构建，旨在为城市道路、主干道及高速公路坑洞自动检测与道路病害智能巡检系统提供可靠的数据基础，助力实现路面坑洞的自动识别、定位与即时告警，提升道路巡检与养护效率，降低车辆行驶安全风险，切实保障道路通行安全。

二、应用场景

2.1 城市道路与街道主干道巡检养护

适用于城市主次干道、街道主干道等场景，对路面坑洞进行自动识别与定位，辅助市政养护单位快速发现道路病害，提高巡检效率与养护响应速度。

2.2 高速公路巡检与应急养护

适用于高速公路及重点路段的路面病害检测，辅助道路管理部门开展坑洞排查、养护计划和应急维修，降低高速行驶车辆因路面坑洞引发的安全风险。

2.3 智能驾驶与辅助驾驶环境感知

适用于智能网联汽车、辅助驾驶系统及车载安全预警设备，对行驶前方路面坑洞进行检测与预警，降低因坑洞导致的颠簸、爆胎及车辆失控风险，提升行车安全性。

三、数据集制作

3.1、数据集标注

3.2、数据集分类

3.3、数据集统计

3.4、数据集结构

dataset/
├── train/
│   ├── images/
│   │   ├── pothole_00191.jpg
│   │   └── ...
│   └── labels/
│       ├──pothole_00191.txt
│       └── ...
├── valid/
│   ├── images/
│   └── labels/
└── test/
    ├── images/
    └── labels/

3.5、数据集配置文件

train: D:/datasets/pothole/train/images
val: D:/datasets/pothole/valid/images
test: D:/datasets/pothole/test/images

nc: 1
names: ['pothole']

labelfast:
  version: 1.3

路径使用绝对路径，如果训练自己的数据集可以改成自己的数据集路径。