YOLO模型如何训练 无人机高清航拍农村建筑损伤检测数据集 墙体裂缝检测数据集 植被覆盖检测数据集 结构损害数据集训练识别

智慧航拍-无人机高清航拍农村建筑损伤检测数据集1307张提供yolovoccoco三种标注方式图像尺寸:3648*5472类别数量:5类训练集图像数量:915; 验证集图像数量:260 测试集图像数量:132类别名称: 每一类图像数 每一类标注数dampness 返潮 611 1984structure_damage 结构损坏 761 1758plaster damage 抹灰层损坏 818 2490vegetation 滋生植被 390 1020wall_crack 墙体裂缝 655 1801image num: 1307无人机高清航拍农村建筑损伤检测数据集数据集信息表项目参数详情数据集名称无人机高清航拍农村建筑损伤检测数据集图像总数量1307张图像分辨率3648×5472标注格式YOLO、VOC、COCO三种标注格式类别数量5类数据集划分训练集915张验证集260张测试集132张类别统计dampness(返潮)图像数611标注数1984structure_damage(结构损坏)图像数761标注数1758plaster damage(抹灰层损坏)图像数818标注数2490vegetation(滋生植被)图像数390标注数1020wall_crack(墙体裂缝)图像数655标注数1801应用场景农村房屋安全排查、危房筛查、乡村建筑病害巡检、无人机农房损伤检测、乡村房屋风险评估labels.txtdampness structure_damage plaster damage vegetation wall_crack数据集关键词无人机航拍、农村建筑损伤检测、危房检测、墙体裂缝、建筑返潮、乡村房屋巡检、YOLO数据集、建筑病害识别、农房安全评估、高空建筑缺陷检测yolo配置文件rural_building_damage.yamlpath:./rural_building_damage_datasettrain:images/trainval:images/valtest:images/testnames:0:dampness1:structure_damage2:plaster damage3:vegetation4:wall_crackYOLOv11简易训练代码fromultralyticsimportYOLOif__name____main__:modelYOLO(yolo11n.pt)resultsmodel.train(datarural_building_damage.yaml,epochs50,imgsz1024,batch4,devicecpu,workers2,projectrural_building_exp,nameuav_rural_house_damage)推理代码fromultralyticsimportYOLO modelYOLO(./rural_building_exp/uav_rural_house_damage/weights/best.pt)resmodel.predict(test.jpg,conf0.25,saveTrue)依赖pipinstallultralytics opencv-python torch数据集备选名称中文无人机航拍乡村房屋病害检测数据集高空航拍农村住宅建筑损伤YOLO数据集乡村危房多缺陷目标检测数据集UAV农村房屋墙体裂缝返潮病害检测数据集