低空航拍路面裂缝类型检测数据集，这个项目我前后折腾了一个多月，最终整理出3391张带完整标注的有效样本，并按VOC+YOLO双格式交付。起因很简单：市场上公开的路面裂缝数据集大多来自地面手持相机或车载视角，真正贴合无人机低空航拍场景、还带规范标注的资源少之又少。而实际道路养护巡检里，无人机15到30米高度俯拍已经是很主流的采集方式，算法却经常因为“没见过这种视角”而翻车。这篇博文我会把从采集、裁切、标注、格式转换到模型训练验证的完整流程拆开讲，包含可以直接抄的参数配置和脚本，也会聊聊那些只有真拿无人机拍过路面才会踩到的坑。不管你是做道路病害算法落地的工程师，还是准备自己动手采集无人机数据集的在校同学，这篇内容应该都能帮你省下不少试错时间。

1. 项目概述：这个数据集到底解决什么问题

1.1 为什么需要低空航拍的路面裂缝数据集

先说说背景。路面裂缝检测这几年在计算机视觉里算是比较成熟的方向，公开数据集确实不少，但绝大多数是近景拍摄：手机贴地面拍、车载相机俯拍、或者固定摄像头抓拍。这些数据集在它们自己的测试集上指标都很漂亮，可一旦换成无人机低空航拍画面，模型性能普遍掉得厉害。

原因在于低空航拍和地面拍摄在图像特征上差距很大。无人机在20米高度往下看，路面裂缝在画面里往往只有几十个像素宽，属于典型的小目标；而且航拍视角下，裂缝和道路标线、轮胎痕迹、修补带、树荫、阴影混在一起，背景比近景拍摄复杂得多。加上低空拍摄经常伴随光照不均、沥青纹理噪点、无人机抖动带来的轻微模糊，这些都会让模型“犯迷糊”。

我这次整理的数据集，目标就是解决这个场景错配问题。3391张图片全部来自低空航拍，包含横向裂缝、纵向裂缝、龟裂、块状裂缝四类典型路面病害，覆盖了不同道路材质、不同光照时段、不同飞行高度下的真实画面。对做道路养护自动巡检的人来说，用这批数据训练出来的模型，到了无人机实际飞一遍的场景里，泛化表现比直接拿地面数据集训练要稳得多。

1.2 双格式交付：VOC与YOLO分别怎么用

这个数据集最大的特点，是一份标注同时提供VOC和YOLO两种格式。很多同学拿到公开数据集时最头疼的就是格式不匹配，得自己写转换脚本，一不小心还把坐标弄错。这个项目在交付前就把转换做完了，两边对同一批图片是同一套标注内容，区别只在存储方式。

VOC格式适合做迁移学习、模型对比实验，或者接一些老牌目标检测框架。它的标注信息放在XML文件里，把目标类别、边界框坐标、图片尺寸都写得清清楚楚，人类可读性很强，用标注工具复查也方便。YOLO格式则是当前主流检测框架直接消费的格式，每个目标一行文本，类别ID加归一化坐标，训练时零转换直接加载。

两个格式我都实际验证过：VOC那边的XML可以正常被标注工具打开继续编辑，YOLO那边的txt目录可以直接扔进训练框架跑通。格式转换的具体操作，后面第三章会给出完整的脚本和踩坑记录。

2. 采集环节：低空航拍数据怎么拍才有效

2.1 飞行参数与拍摄策略

数据集的质量天花板在采集阶段就定死了，后期算法怎么调都补不回来。我这次用的是一台消费级四旋翼无人机，挂的是2000万像素级别的一体化相机，飞行过程中重点盯住了几个参数。

飞行高度控制在15到30米。低于15米，单张覆盖面积太小，要飞很多趟才能覆盖一段路，而且裂缝在画面里占比过大，边界框标注容易溢出图片；高于30米，裂缝细节丢失严重，小裂缝在画面里只有几个像素，标注员自己都看不出是不是裂缝。云台角度保持垂直向下，也就是-90度左右，尽量避免斜拍。斜拍会导致路面在画面中产生透视变形，同样一条裂缝在不同角度下宽度差很多，模型学出来的特征就不稳定。

拍摄策略方面，我沿道路中线规划航线，保持航向重叠率80%左右、旁向重叠率60%左右。重叠率低会导致道路画面断档，高一点则方便后期挑选质量最好的帧。快门优先模式，快门速度不低于1/1000秒，减少飞行振动带来的运动模糊；ISO尽量控制在800以内，再高画面噪点就很明显了，裂缝边缘会糊成一片。拍摄时段选择多云天或者上午9点到下午3点之间，避免低角度阳光把路面打出大面积阴影。

2.2 从大图到训练样本的裁切流程

无人机拍出来的原始照片是4000×3000的大图，直接用这种分辨率训练不现实，显存扛不住，而且一条裂缝在整张大图里占比太小，检测器很难学到有效特征。我的做法是把大图裁成若干个640×640或者1024×1024的训练样本块。

裁切不是乱切，重点在于重叠率。相邻裁切块之间我保留40%到50%的重叠，这样能保证横跨裁切边界的裂缝在至少一个样本块里是完整的，不会被切成两截导致标注失效。实际操作时我按步长滑动窗口，640窗口对应步长320，1024窗口对应步长512。最终从大约4000张大图里产生了6000多个候选块，再经过一轮人工筛选，去掉模糊、过曝、大面积反光、严重阴影遮挡的块，留下3391张有效样本。这一步筛掉的量很大，但值得，脏数据对模型训练的伤害远大于少几百张干净图。

筛选时我的经验是定三条硬标准，缺一不可：裂缝区域清晰可辨、图片亮度分布均匀、裂缝至少占裁切块面积的1%以上。小于这个占比的，检测模型基本学不到东西，标注反而容易出错。

3. 标注规范：裂缝类型定义与双格式转换

3.1 裂缝分类体系：为什么收敛成四类

随便打开一个路面裂缝数据集，你可能会看到七八个甚至十几个类别，看起来很全面，但实际标注时不同类别之间的边界很难划清。我最终把类别收敛成横向裂缝、纵向裂缝、龟裂、块状裂缝四类，是综合考虑了航拍尺度下的可标注性和养护巡检的实际需求。

这四类在低空航拍视角下特征明显，互相之间不容易混淆。像坑槽、修补、松散这类病害，虽然也很重要，但在航拍图像上形态和裂缝差异太大，混进同一个检测模型反而会干扰裂缝特征的学习。标注团队讨论下来，第一版就把范围锁定在裂缝四类，保持模型专注度。

3.2 VOC格式目录结构与标注细节

标注时我采用的VOC标准目录结构，这个结构在迁移学习和很多检测框架里都通用：

dataset_root/ ├── JPEGImages/ # 所有图片 ├── Annotations/ # 所有XML标注文件 └── ImageSets/ └── Main/ ├── train.txt ├── val.txt └── test.txt

JPEGImages里是裁切后的图片文件，Annotations里每个XML和同名图片一一对应。XML的核心结构长这样：

<annotation> <folder>JPEGImages</folder> <filename>IMG_0001.jpg</filename> <size> <width>640</width> <height>640</height> <depth>3</depth> </size> <object> <name>transverse_crack</name> <bndbox> <xmin>120</xmin> <ymin>85</ymin> <xmax>360</xmax> <ymax>210</ymax> </bndbox> </object> </annotation>

标注时最需要注意的是边界框的贴合程度。横向裂缝和纵向裂缝是狭长目标，框要尽量贴住裂缝的外接矩形，不要包进太多路面背景。龟裂和块状裂缝是区域型目标，边界框要把整个碎裂区域完整包住，哪怕边缘有几条细缝延伸出去，也不能为了贴合单条缝而把框拆碎。实际操作中我要求标注员对同一张图至少查两遍：第一遍画框，第二遍对照原图检查边界是否有明显偏移或漏标。

3.3 YOLO格式归一化转换与脚本实现

VOC格式适合人看，YOLO格式适合模型吃。YOLO的训练标签不存绝对像素坐标，而是存归一化之后的中心点坐标和宽高，每张图片对应一个txt文件，每行一个目标。转换脚本我直接写成了可复用版本：

import os import xml.etree.ElementTree as ET classes = [ "transverse_crack", "longitudinal_crack", "alligator_crack", "block_crack" ] def convert_annotation(xml_path, output_dir): tree = ET.parse(xml_path) root = tree.getroot() size = root.find("size") width = int(size.find("width").text) height = int(size.find("height").text) result_lines = [] for obj in root.iter("object"): name = obj.find("name").text.strip() if name not in classes: continue class_id = classes.index(name) bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) x_center = (xmin + xmax) / 2.0 / width y_center = (ymin + ymax) / 2.0 / height box_width = (xmax - xmin) / width box_height = (ymax - ymin) / height result_lines.append( f"{class_id} {x_center:.6f} {y_center:.6f} {box_width:.6f} {box_height:.6f}" ) output_name = os.path.splitext(os.path.basename(xml_path))[0] + ".txt" with open(os.path.join(output_dir, output_name), "w") as f: f.write("\n".join(result_lines))

这里有两个细节我必须强调。第一，类别顺序一旦定下来就不要改，训练时加载的classes列表必须和转换脚本里的完全一致，否则模型会把横向裂缝当成纵向裂缝去学。第二，输出坐标保留6位小数就够了，不需要更多精度，640分辨率下6位小数对应的误差远小于一个像素。转换完成后我抽了100张图反向验证，把YOLO格式的坐标转回像素坐标画框，再和原XML对比，确保没有系统性的坐标偏移。

4. 数据集划分与质量校验

4.1 3391张样本的训练/验证/测试划分

数据集划分看起来是小事，实际上很讲究，划分不当会直接导致模型评估结果虚高。常见错误是把同一路段连续拍摄的相似帧同时放进训练集和测试集，模型记住的是画面不是特征，测试指标好看，换个路段就现原形。

我这次按采集路段分组划分，避免同一路段的数据跨集合出现。最终划分结果是训练集2713张、验证集339张、测试集339张，总和正好3391张。划分脚本按照“先按路段分组、组内再分配”的原则来写：

import random from collections import defaultdict # folders 是一个字典，key为路段ID，value为该路段下的图片文件名列表 grouped_files = defaultdict(list) for filename in all_files: road_id = extract_road_id(filename) # 从文件名提取路段ID grouped_files[road_id].append(filename) random.seed(42) train_files, val_files, test_files = [], [], [] for road_files in grouped_files.values(): random.shuffle(road_files) total = len(road_files) n_train = int(total * 0.8) n_val = int(total * 0.1) train_files += road_files[:n_train] val_files += road_files[n_train:n_train + n_val] test_files += road_files[n_train + n_val:]

这种分组划分的优点是测试集和训练集在数据来源上天然隔离，评估出来的泛化性能更可信。代价是如果某个路段图特别多，会让集合比例略有波动，但对3391张这个规模来说影响不大。

4.2 类别分布与均衡性检查

切割完还要看类别分布。我统计了一下全部标注框，四类裂缝的样本量分布如下：

块状裂缝明显偏少，这和现实情况吻合：块状裂缝在路面上本来就不如横向纵向裂缝常见，采集时能拍到的本来就不多。如果直接拿这个分布去训练，模型对块状裂缝的召回率会比较差。我的处理方案是两层：第一层，对包含块状裂缝的图片在训练集里做一次重复采样，让它在每个epoch里出现的频率提高；第二层，在数据增强阶段对块状裂缝样本额外做一些亮度抖动和对比度调整，相当于制造出更多变体。这两步做完，块状裂缝的验证集AP从0.74提升到了0.81，效果还是比较明显的。

4.3 标注质量校验清单

标注质量直接决定数据集价值，我在这块投入的时间占比接近三分之一。质量校验我总结了三个层次，每个层次都有对应的检查动作。

第一层是计算机自动检查。写一个脚本扫描所有XML，检测坐标越界、宽高为负、类别名不在预设列表、文件名对不上图片等硬错误。这个脚本能在几分钟内把所有结构性问题找出来。

第二层是人工视觉复查。3391张图全部人工重看不现实，我按比例分层抽样：每类裂缝随机抽100张，重点看边界框是否过松过紧、是否有漏标。抽检发现的主要问题在龟裂类，有些标注员只框了网状区域的核心部分，边缘松散裂缝没有包进去，这个我在标注规范里加了一条细则：龟裂框要包含整个裂纹活动区域。

第三层是格式一致性检查。把VOC转成YOLO后再反向转回VOC，和原始XML逐字段比对，确保双格式数据完全对齐。这个步骤耗费不多但非常值得，因为格式转换代码里一个除法顺序写错就可能让所有坐标漂移，人工肉眼很难发现这种系统性偏差。

5. 实战验证：用该数据集训练检测模型的完整流程

5.1 模型选型与训练参数配置

数据集做完，我顺手用当前主流的YOLO系列模型做了训练验证，确认这批数据能正常训练出可用模型。选的是YOLOv8s这一档，大小适中，在低空航拍这种背景复杂、目标偏小的场景里表现比YOLOv5s好一些，同时又比YOLOv8m训练快不少。

数据集配置文件直接指向本项目目录：

path: /path/to/dataset_root train: train.txt val: val.txt test: test.txt names: 0: transverse_crack 1: longitudinal_crack 2: alligator_crack 3: block_crack

训练关键参数我用的是一套比较稳妥的配置：输入分辨率640×640，批大小16，epoch设为150，初始学习率0.01，优化器用SGD配合余弦退火。低空航拍裂缝属于小目标场景，输入分辨率不建议低于640，再低的话纵向裂缝很容易在降采样过程中消失。显存允许的情况下，其实可以试试768甚至1024，精度还会涨，只是训练时间翻倍。

5.2 实测精度与难点分析

训练完成后我在独立的339张测试集上做了评估。整体mAP50在0.87左右，mAP50-95在0.61左右，对于一个自采集的数据集来说，这个结果已经具备实用价值。分类别看，横向裂缝和纵向裂缝的AP最高，因为这两种目标边界清晰、形态单一；龟裂次之，难在细小网状纹理和沥青颗粒噪声不好区分；块状裂缝AP最低，根本原因还是样本量少。

有一个现象值得单独拿出来说：模型在阴凉路段的误检率比其他路段高。因为树荫在路面上形成的大片暗色区域，纹理特征和龟裂初期形态很像，模型容易把阴影边缘当成裂缝边界。这个问题我后面在数据增强阶段做了针对性处理，增加阴影区域样本的亮度扰动，误检有所下降，但没有完全消除。这说明低空航拍裂缝检测想做到极致，除了算法，采集时尽量避免大面积树荫遮挡也很关键。

5.3 数据增强策略与收益对比

我在这个数据集上做了三组增强策略的对比实验，结果挺有参考价值。

第一组不加任何增强，只做Resize，模型很快过拟合，测试集mAP50只有0.78。第二组加上常规增强，包括随机水平翻转、随机垂直翻转、90度旋转、HSV色域扰动、随机亮度对比度调整，mAP50提升到0.85，效果明显。第三组在第二组基础上加Mosaic增强和随机裁剪，mAP50进一步提升到0.87。

这里要特别提醒一句：对裂缝检测来说，Mosaic增强要谨慎使用。裂缝本来就是细小目标，Mosaic会把四张图拼在一起再缩放到640，很多细裂缝直接缩没了，模型反而学不到有效信息。我实测把Mosaic概率从1.0降到0.5之后，纵向裂缝的召回率提升了约3个百分点。如果你也做这类小目标检测，建议把Mosaic概率调低，同时把Copy-Paste这类针对实例的增强加上，收益会更明显。

6. 踩坑实录与常见问题速查

6.1 低空航拍场景特有的五个坑

做这个数据集的过程中，我踩过不少坑，有些问题不实际操作根本意识不到。这些“航拍特有坑”我觉得值得单独列出来。

第一个坑是影子变裂缝。无人机飞行时段不对时，栏杆、路牌、电线杆的影子会斜打在路面上，影子的边缘在低分辨率下看起来就是一条深色线，标注员和模型都容易当成纵向裂缝。解决方法是采集时绕开影子严重的时段，同时把“影子边缘”“轮胎印”这类干扰项加入标注工具的负样本列表，方便人工排除。

第二个坑是拼接伪影。虽然我的裁切流程不涉及全景拼接，但有部分原始素材是从倾斜摄影重建的三维模型里导出的，重投影后路面上会留下明显的接缝纹理。这类伪影纹理细密且成网格状，和龟裂高度相似，我直接把这些图片从样本池里剔除了，避免污染模型。

第三个坑是反光区域。沥青路面在晴天会有局部反光，反光区域内的裂缝几乎不可见，模型如果在这些区域输出检测框，往往是在把反光边界当裂缝。我的处理方法是把过曝反光严重的样本筛掉，保留轻微反光的样本并控制其占比不超过总量的10%。

第四个坑是大图切块后的跨块目标。一条横向裂缝如果横跨整张原始大图，裁切时会被切成几段，每段都变成很短的线段，容易误导模型去学习“短线段”而非“横向裂缝”。我靠重叠裁切和后续筛选缓解了一部分，但标注时仍然要留意位置靠近图片边界的短裂缝，确保它确实是真实裂缝而非碎块。

第五个坑是类别边界混淆。块状裂缝和龟裂在视觉上本来就有连续过渡：裂块从小到大、网格从密到疏，是一条连续变化谱系。标注员尺度感不一致，同一张图有人标龟裂有人标块状裂缝。我后来在标注规范里给出了量化参考：单个龟裂裂块的边长约为1到5厘米，块状裂缝裂块边长在10厘米以上，再配合标准示例图，一致性才明显改善。

6.2 格式转换与标注工具问题速查

把整个流程中遇到的问题做个快速检索表，方便大家直接对号入座：

标注工具方面，我建议优先选支持Pascal VOC导出的开源标注工具，界面操作顺手、导出格式标准，能省掉很多后期转格式的麻烦。需要批量复查标注时，可以把XML标注画回原图生成预览图，用看图软件快速浏览，效率比逐个打开XML高得多。

6.3 值得继续做的扩展方向

这个数据集做完并不代表项目结束，至少有三个扩展方向我认为很有价值。

第一个方向是增加病害类别。在现有裂缝四类基础上，可以补充坑槽、修补、松散等路面病害，让模型从单一裂缝检测进化成全类型路面病害检测。实际巡检中，养护方需要知道的远不止裂缝一种问题。

第二个方向是加入多尺度语义信息。低空航拍数据天然自带尺度变化，同一段路飞15米和30米，目标尺寸差一倍。可以在这个数据集上测试多尺度训练或者基于分割的裂缝检测方法，应该能进一步提升小目标裂缝的检测能力。

第三个方向是收集更多恶劣光照条件的数据。目前的数据集中在光线均匀时段，阴天、雨天、逆光条件下的数据量不足。后续如果能在这些场景下补采一批数据，模型在真实巡检中的鲁棒性会有明显提升。我自己下一轮采集就打算重点补这块短板。