高速公路边坡可视病害训练数据集
收藏资源简介：
该数据集适用于高速公路边坡可视病害识别、图像分割训练、自动化巡检、病害样本管理和养护辅助分析等场景。适用条件为应用对象具备边坡巡检图像、无人机巡检图像或同类JSON标注文件，识别目标为落石、植被异常、混凝土破损、异物、混凝土裂缝等可通过图像呈现的边坡病害。适用范围覆盖高速公路沿线边坡、护坡、挡墙、桥隧连接段边坡等工程区域，适用对象包括高速公路运营养护单位、巡检管理部门、智能巡检系统建设单位、无人机巡检服务单位和图像识别模型研发单位。 运用该数据及算法规则，可将原始病害标注坐标转化为轮廓外接矩形坐标、轮廓宽度、轮廓高度、标注区域面积、病害可视规模等级、轮廓形态类型和训练适配等级等结构化特征，解决边坡巡检图像中病害目标依赖人工逐图查看、病害轮廓难以量化表达、训练样本缺少分层依据的问题。该数据可用于目标检测、语义分割、实例分割模型的训练与测试，也可用于巡检图像复核、病害台账整理、样本质量筛查、模型迭代优化和养护任务优先级辅助判断，为高速公路边坡巡检养护数字化和智能识别系统建设提供数据支撑。加工前的数据说明：本数据集加工前数据为边坡巡检图像对应的JSON标注文件，来源于企业在所辖边坡、护坡、挡墙、桥隧连接段区域形成的巡检资料。原始文件记录落石、植被异常、混凝土破损、异物、混凝土裂缝病害类别及轮廓点坐标，数据形态为标注文件、病害类别和坐标点集，尚未形成用于样本筛选、几何计算和分层的结构化字段。登记字段围绕工程病害和轮廓几何特征设置，未设置姓名、证件号码、联系方式、人脸、车牌等身份识别信息，无法通过登记字段或可逆算法还原自然人身份。 处理规则：本数据集构建基于标注坐标的几何特征提取与规则判定模型，输入为来源标注文件编码、病害类型和标注坐标，输出为几何特征字段、规模形态字段及训练适配等级。以唯一来源标注文件编码为样本单位，每个标注文件保留一个主要病害轮廓，将标注坐标解析为P={(x1,y1),(x2,y2),…,(xn,yn)}，x、y为图像横向和纵向像素位置，n为轮廓点数量，并进行格式校验、空值剔除和重复点清理。轮廓外接矩形坐标按xmin=min(xi)、ymin=min(yi)、xmax=max(xi)、ymax=max(yi)生成，轮廓宽度W=xmax−xmin，轮廓高度H=ymax−ymin。标注区域面积S采用多边形面积算法计算，默认轮廓点按标注顺序首尾相连形成闭合轮廓，公式为S=1/2×|Σ(xi×yi+1−xi+1×yi)|，其中i=1至n，xn+1=x1，yn+1=y1。再依据面积、宽高跨度、长宽比例、坐标连续性和点位分布，判定规模等级和轮廓形态类型。总结性字段“病害轮廓训练适配等级”由病害类型、轮廓形态、点数量、外接矩形有效性、面积和边界表达共同生成：类型与形态匹配、边界清楚、外接矩形有效的为高适配；可表达位置和基本轮廓但细节一般、目标较小或点位偏少的为中适配；坐标较少、区域过小、形态不典型或存在不确定性的为需复核。线状裂缝结合长宽比例、坐标连续性和线状形态确定适配等级，不以面积作为唯一依据。 数据内容描述：加工后形成“高速公路边坡可视病害训练数据集”，每条数据对应主要边坡病害样本，包含样本编号、来源标注文件编码、病害类型、标注坐标及由坐标生成的点数量、外接矩形、宽度、高度、面积、规模等级、形态类型和训练适配等级。加工结果保留像素级轮廓位置，并生成检测、分割和样本筛查几何特征，使原始标注文件转化为可检索、可计算、分层调用的结构化训练数据。
