基于YOLO的马路裂缝检测实战：3258张数据集训练与调优指南

简介：这份资源面向从事道路病害检测、计算机视觉目标检测方向的开发者与研究人员，提供一套可直接用于YOLO系列算法训练的马路裂缝数据集，帮助解决裂缝检测任务中数据采集与标注成本高的问题。压缩包共2000个文件，以xml标注文件为主，同时提供YOLO格式的txt标签，两种格式分别存放，便于按需选用；整体约104.55MB，并附带data.yaml配置文件，适配yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等主流版本。数据集已按训练与验证需求划分完毕，图像与标签一一对应，YOLO标签采用类别索引加归一化中心点坐标与宽高的标准格式，可直接投入模型训练与测试。目前已有187人学习下载，适合希望快速搭建裂缝检测基线、验证算法效果或开展对比实验的读者使用。

1. 从 3258 张马路裂缝图说起：这套 YOLO 数据集到底能干什么

市政巡检的朋友给我看过一段行车记录仪素材：一条主干道跑下来，肉眼能看到的裂缝至少十几处，但人工逐帧标注要花掉大半天。马路裂缝检测这件事，难的不是"看见"，而是"稳定地、可量化地看见"——光照一变、路面反光一强、裂缝细到两三个像素，模型就开始玄学。这也是为什么很多人拿到一份标注好的裂缝数据集，第一反应不是兴奋，而是先问：这 3258 张图像带标签的包，到底能不能直接喂给 YOLO 跑出可用结果？

这份数据集的核心价值在于它把"采集—标注—训练"里最耗人力的标注环节替你做了。3258 张图像，带标签，意味着你拿到手就能直接进入 YOLO 训练流程，不用从零标注。它适合三类人：想快速验证裂缝检测可行性的算法工程师、要做路面病害巡检落地的工程团队、以及拿它当目标检测练手项目但不想在数据上卡住的学生。但"能跑"和"跑得好"是两回事，裂缝这种细长、低对比度、形态不规则的目标，对 YOLO 的输入分辨率、anchor 匹配、数据增强都相当挑剔。接下来我按自己实际做过的路径，把从解压数据集到训练出可用权重、再到排查翻车现场的完整链路讲清楚，参数和坑都给你标出来。

2. 拆开这个 zip：裂缝数据集的目录结构、标签格式与清洗判断

拿到一个带标签的数据集压缩包，别急着写训练脚本。先花二十分钟把目录结构和标签格式摸清楚，能省掉后面几个小时的报错排查。裂缝数据集常见的坑就藏在"标签看起来对、其实坐标系错了"这种地方。

2.1 先确认目录布局和图像-标签配对关系

解压之后，典型的目标检测数据集目录无非几种形态：images/和labels/平行放置，或者train/val/test各自带images、labels子目录。你要做的第一件事是确认图像和标签是否一一对应，文件名（除扩展名外）是否严格一致。

# 解压并查看顶层结构 unzip 马路裂缝数据集.zip -d crack_dataset cd crack_dataset find . -maxdepth 2 -type d | sort # 统计图像数量，验证是否与标题的 3258 张吻合 find . -type f \( -iname "*.jpg" -o -iname "*.png" -o -iname "*.jpeg" \) | wc -l # 检查图像与标签是否配对（以 images/labels 平行为例） for img in images/*.jpg; do base=$(basename "$img" .jpg) [ -f "labels/$base.txt" ] || echo "缺失标签: $base" done

这段脚本做三件事：确认目录层级、核对图像总数、找出没有对应标签的图像。如果图像数不是 3258，先别慌，可能是压缩包里混了预览图或说明文件，用find按扩展名过滤后再数。配对检查那一步最关键——只要有一张图缺标签，YOLO 训练时就会在 dataloader 阶段报错或者静默跳过，你以为是模型不收敛，其实是数据没对齐。

2.2 读懂标签文件：YOLO 格式的五个字段

YOLO 系列的标签是每张图一个.txt，每行代表一个目标框，格式是：

<class_id> <x_center> <y_center> <width> <height>

后四个值都是归一化到 0~1 的相对坐标，不是像素值。裂缝数据集如果只有一个类别（裂缝），那class_id全是 0。这里最容易翻车的是：有些数据集作者用的是 VOC 的绝对坐标（xmin ymin xmax ymax），却把文件命名成 YOLO 风格，你直接拿去训练，框会全部飞到画面外。

import os def check_label_format(label_dir, sample=5): files = [f for f in os.listdir(label_dir) if f.endswith('.txt')] print(f"标签文件总数: {len(files)}") for fname in files[:sample]: path = os.path.join(label_dir, fname) with open(path) as f: lines = f.read().strip().splitlines() print(f"\n{fname}: {len(lines)} 个目标") for line in lines[:3]: parts = line.split() cls, x, y, w, h = parts[0], *map(float, parts[1:5]) # 归一化坐标必须落在 0~1，超出说明格式不对 flag = "正常" if all(0 <= v <= 1 for v in (x, y, w, h)) else "坐标越界!" print(f" class={cls} x={x:.3f} y={y:.3f} w={w:.3f} h={h:.3f} -> {flag}") check_label_format("labels")

逻辑说明：这段代码抽样打印标签内容，并对归一化坐标做 0~1 范围校验。参数上，sample=5控制抽样数量，正式清洗时建议全量扫一遍。如果发现坐标大量越界，基本可以判定标签是 VOC 绝对坐标格式，需要写转换脚本除以图像宽高。判断依据是：YOLO 归一化坐标里，x_center和y_center一般不会超过 1，而绝对坐标动辄几百上千。

2.3 清洗判断：三类必须处理的问题样本

不是所有带标签的数据都能直接用。我一般会重点排查三类：

空标签文件要不要留，取决于你的场景。裂缝检测里，无裂缝的路面图像作为负样本是有价值的，能降低误检率，但如果空标签是标注遗漏造成的，留着反而害模型。宽高极小的框（归一化后小于 0.005）在 640 分辨率下不到 4 个像素，多半是标注时手抖点出来的，训练时只会贡献噪声。清洗这一步做完，你才对这份数据集的实际可用规模心里有数。

3. 把裂缝数据集喂给 YOLO：配置文件、训练命令与关键参数

数据摸清楚了，接下来是把它接进 YOLO 训练流程。这里我以目前主流的 YOLOv8 为例讲，YOLOv5 的流程大同小异，配置文件字段基本通用。核心是三件事：写数据配置文件、选预训练权重、定训练超参。

3.1 数据配置文件 data.yaml 怎么写

YOLO 训练靠一个 yaml 文件告诉它数据在哪、有几类、类名是什么。

# crack_data.yaml path: /home/user/crack_dataset # 数据集根目录 train: images/train # 训练集图像相对路径 val: images/val # 验证集图像相对路径 test: images/test # 可选 nc: 1 # 类别数，裂缝只有 1 类 names: 0: crack # 类别名，顺序必须和 class_id 对应

参数说明：path是根目录，train/val是相对path的子路径，别写成绝对路径混用，否则 YOLO 会找不到文件。nc必须和标签里出现的最大class_id+1 一致，裂缝单类别就是 1。names的顺序至关重要——如果你标签里裂缝是 0，这里就必须把 crack 写在 0 位，写反了模型学到的类别名会错位，推理时输出全是错的。

如果你的数据集没有预先划分 train/val，需要自己切分。常见做法是按 8:1:1 或 7:2:1 随机划分，注意同一段路面的连续帧要尽量分到同一侧，避免数据泄漏导致验证指标虚高。

import os, random, shutil def split_dataset(img_dir, label_dir, out_root, ratios=(0.8, 0.1, 0.1)): imgs = [f for f in os.listdir(img_dir) if f.lower().endswith(('.jpg', '.png'))] random.seed(42) # 固定种子，保证可复现 random.shuffle(imgs) n = len(imgs) n_train = int(n * ratios[0]) n_val = int(n * ratios[1]) splits = { 'train': imgs[:n_train], 'val': imgs[n_train:n_train + n_val], 'test': imgs[n_train + n_val:] } for split, files in splits.items(): os.makedirs(f"{out_root}/images/{split}", exist_ok=True) os.makedirs(f"{out_root}/labels/{split}", exist_ok=True) for f in files: shutil.copy(os.path.join(img_dir, f), f"{out_root}/images/{split}/{f}") lbl = os.path.splitext(f)[0] + '.txt' src_lbl = os.path.join(label_dir, lbl) if os.path.exists(src_lbl): shutil.copy(src_lbl, f"{out_root}/labels/{split}/{lbl}") print(f"划分完成: train={len(splits['train'])} val={len(splits['val'])} test={len(splits['test'])}") split_dataset("images", "labels", "crack_split")

逻辑说明：random.seed(42)固定随机种子，保证每次划分结果一致，方便复现实验。ratios控制训练/验证/测试比例，3258 张按 8:1:1 大约是 2606/325/327。复制标签时做了存在性判断，避免因个别缺标签而中断。划分完记得核对三个子集的数量之和等于总数。

3.2 选预训练权重与训练命令

裂缝检测数据量不大（三千张级别），从零训练几乎不可能收敛好，必须用预训练权重做迁移学习。常见做法是下载 YOLOv8 的官方预训练权重（如yolov8n.pt或yolov8s.pt），在 COCO 上学到的通用特征能显著加速裂缝这种边缘纹理目标的收敛。

# 单卡训练，n 模型适合快速验证，s/m 模型精度更高 yolo detect train \ model=yolov8s.pt \ data=crack_data.yaml \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ device=0 \ project=runs/crack \ name=exp1

参数说明：model选预训练权重，yolov8n最快但精度低，yolov8s是精度和速度的平衡点，显存够就上yolov8m。imgsz=640是默认输入尺寸，裂缝细长，后面会讲要不要调大。batch=16按显存调，8G 显存跑 s 模型 640 分辨率大概能到 16。lr0=0.01是初始学习率，迁移学习常用 0.01，从零训练才用更小的值。patience=20是早停耐心值，验证指标 20 轮不提升就停，省时间。device=0指定第一块 GPU。

3.3 裂缝检测必须调的三个参数

通用训练参数之外，裂缝这个场景有三个参数我每次都会专门调：

输入分辨率 imgsz。裂缝在整张路面图里往往只占很窄的一条，640 下可能就几个像素宽。把imgsz提到 1024 甚至 1280，细裂缝的召回率会明显上升，代价是显存和训练时间成倍增长。我的经验是：先 640 跑通流程，确认能收敛，再上 1024 对比 mAP，看提升值不值这个成本。

数据增强参数。YOLO 默认开了 mosaic、HSV 抖动、翻转等。裂缝检测里，mosaic 拼接可能把不同光照的路面拼在一起，反而干扰；但 HSV 的亮度抖动对应对不同时段光照很有用。我一般会适当降低 mosaic 概率，保留亮度、对比度增强。

# 在训练命令里追加增强参数 hsv_h: 0.015 # 色调抖动，裂缝是灰度纹理，可调小 hsv_v: 0.4 # 亮度抖动，应对光照变化，保留 mosaic: 0.5 # 默认 1.0，裂缝场景降到 0.5 degrees: 0.0 # 裂缝有方向性，不做旋转 flipud: 0.0 # 上下翻转不符合路面语义 fliplr: 0.5 # 左右翻转合理

置信度与 IoU 阈值。训练完推理时，conf和iou直接决定检出多少框。裂缝检测宁可多检也别漏检（漏检意味着病害被放过），所以conf可以设低一点，比如 0.25，再靠后处理过滤。

提示：第一次训练别急着调参，先用默认配置跑 20 轮，看 loss 曲线和验证 mAP 是否正常下降/上升。曲线正常再谈优化，曲线异常先回去查数据。

4. 训练完别急着上线：裂缝检测的评估指标与推理验证

训练日志里 mAP 涨到 0.8 就以为大功告成，是新手最常见的乐观。裂缝检测的评估要看的不只是 mAP，还要看它在细裂缝、低对比度、反光路面上的实际表现。

4.1 看懂 YOLO 输出的混淆矩阵和 PR 曲线

YOLO 训练结束会在runs/crack/exp1/下生成一堆可视化文件，其中两个最该看：

混淆矩阵（confusion_matrix.png）。单类别的裂缝检测，矩阵是 2x2：行是真实类别（crack、background），列是预测类别。你要关注的是 background 被预测成 crack 的数量（误检）和 crack 被预测成 background 的数量（漏检）。裂缝场景里，漏检通常比误检更致命，因为漏掉的裂缝可能继续扩展。

PR 曲线（PR_curve.png）。曲线下的面积就是 mAP。看曲线在 recall 高的时候 precision 掉得快不快——如果 recall 到 0.7 时 precision 就崩了，说明模型在"宁可多检"时误检严重，需要回去看是不是负样本不够或者标注质量有问题。

from ultralytics import YOLO model = YOLO("runs/crack/exp1/weights/best.pt") metrics = model.val(data="crack_data.yaml", imgsz=1024, conf=0.25, iou=0.5) print(f"mAP50: {metrics.box.map50:.4f}") print(f"mAP50-95: {metrics.box.map:.4f}") print(f"每类 AP: {metrics.box.ap50}")

逻辑说明：model.val()在验证集上重新评估，imgsz要和推理时保持一致，否则指标不可比。conf=0.25、iou=0.5是评估阈值，和推理阈值对齐才有参考意义。metrics.box.map50是 IoU=0.5 时的 mAP，裂缝检测主要看这个；map（0.5~0.95）更严格，细裂缝定位稍有偏差就会掉。

4.2 拿真实路面图做推理，看框贴合度

指标是数字，最终还得用眼睛看。挑几张验证集里没见过的、光照条件不同的路面图跑推理，重点看三件事：框有没有把裂缝完整包住、有没有把阴影或接缝误判成裂缝、细裂缝有没有被漏掉。

yolo detect predict \ model=runs/crack/exp1/weights/best.pt \ source=test_images/ \ imgsz=1024 \ conf=0.25 \ iou=0.45 \ save=True \ project=runs/predict \ name=crack_test

参数说明：source可以是单张图、目录或视频。conf=0.25放宽检出，iou=0.45控制 NMS 合并重叠框的力度，裂缝密集处 IoU 设太高会把相邻裂缝合并成一个框。save=True保存带框结果图，方便肉眼核对。推理完把结果图和原图并排看，误检漏检一目了然。

4.3 用视频流验证时序稳定性

静态图好看不代表视频里稳。裂缝检测落地往往是跑在巡检车视频流上的，相邻帧之间框的位置如果剧烈跳动，说明模型对同一目标的响应不稳定。我一般会抽一段行车视频跑推理，观察框的连续性。如果抖动明显，可以考虑在推理侧加简单的时序平滑（比如对连续几帧的框做加权平均），或者提高输入分辨率让特征更稳定。

注意：视频推理时imgsz和训练时不一致会导致精度下降，务必对齐。另外视频帧率高时逐帧推理可能跟不上，需要评估推理速度是否满足实时要求。

5. 裂缝检测训练避坑：五个我踩过的真实翻车现场

这一章全是血泪经验。裂缝数据集训练翻车的原因，八成不在模型本身，而在数据和参数。下面五条按"现象 → 原因 → 解决"写，都是我在实际项目里遇到过的。

5.1 训练 loss 不降，验证 mAP 一直是 0

现象：训练启动后 box_loss、cls_loss 居高不下，几十轮后验证 mAP 还是 0，模型像没学到东西。

原因：最常见的是标签格式不对。要么是 VOC 绝对坐标没转成 YOLO 归一化坐标，要么是data.yaml里的nc和标签里的class_id对不上。还有一种隐蔽情况：标签文件编码是 GBK 或带 BOM，YOLO 读取时解析失败但没报错。

解决：用第 2 章的check_label_format全量扫一遍坐标范围，越界的立刻转换。检查data.yaml的nc是否等于标签里最大 class_id+1。用file labels/*.txt | head看编码，非 UTF-8 的批量转码。

5.2 模型把路面阴影、车道线全检成裂缝

现象：推理结果里，框大量落在阴影边缘、车道线、修补接缝上，真正的裂缝反而漏检。

原因：负样本不足。如果数据集里几乎每张图都有裂缝，模型没见过"无裂缝的正常路面"，就会把任何深色线条都当裂缝。另外标注时如果把这些干扰物也标成了裂缝，等于教模型学错。

解决：补充无裂缝的路面图作为负样本（空标签文件），比例大概占 10%~20%。检查标注，把误标的阴影、车道线框删掉。训练时适当提高hsv_v亮度抖动，让模型对光照变化更鲁棒。

5.3 细裂缝召回率低，粗裂缝检得挺好

现象：评估时发现宽裂缝都能检出，但细如发丝的裂缝大量漏检，recall 上不去。

原因：输入分辨率不够。640 分辨率下，一条 2 像素宽的裂缝经过下采样后特征几乎消失。裂缝的宽度分布本身就不均衡，细裂缝样本在 loss 里贡献小，被粗裂缝主导了。

解决：把imgsz提到 1024 或 1280，细裂缝召回会明显改善。如果显存不够，可以试试切片推理（把大图切成小块分别检测再合并）。另外检查标注，细裂缝是否被标得太窄导致框和特征不匹配。

5.4 训练到一半显存爆了（CUDA out of memory）

现象：前几十轮正常，突然报显存不足，训练中断。

原因：YOLO 的 mosaic 增强会随机拼接图像，某些批次拼接后的图尺寸偏大，或者验证阶段同时加载了过多数据。也可能是batch设得刚好卡在显存边缘，波动一下就爆。

解决：把batch降一档（比如 16 降到 8），或者开启梯度累积nbs模拟大 batch。开启 AMP 混合精度训练（YOLO 默认开）能省不少显存。实在不够就降imgsz，但裂缝场景降分辨率要谨慎。

5.5 验证集 mAP 很高，实际路面一跑全是误检

现象：验证集 mAP 0.85，信心满满拿去跑真实巡检视频，结果误检一堆，完全不能用。

原因：数据泄漏或分布不一致。如果 train/val 划分时同一段路面的连续帧被分到了两边，验证集等于"见过"，指标虚高。或者数据集采集的路面和实际部署的路面光照、材质差异大，模型没泛化过去。

解决：重新划分数据集，确保同一路段、同一时段的图像只出现在一个子集里。如果部署环境和训练数据差异大，补采一些目标路面的图做微调。验证时别只看 mAP，一定要拿真实场景图肉眼过一遍。

6. 让裂缝检测真正可用：切片推理与阈值后处理技巧

训练出权重只是起点，裂缝检测要落地，推理侧的处理往往比训练更能决定成败。这里讲两个我实际用下来最有效的技巧。

6.1 大分辨率路面图的切片推理

巡检车拍的图动辄 4000x3000，直接缩到 640 喂模型，细裂缝全没了；直接按原图推理，显存又扛不住。常见做法是切片推理：把大图切成有重叠的小块，逐块检测，再把结果映射回原图坐标合并。

import cv2 import numpy as np from ultralytics import YOLO def sliced_inference(model, img_path, slice_size=1024, overlap=200, conf=0.25): img = cv2.imread(img_path) h, w = img.shape[:2] step = slice_size - overlap all_boxes = [] for y in range(0, h, step): for x in range(0, w, step): x2, y2 = min(x + slice_size, w), min(y + slice_size, h) patch = img[y:y2, x:x2] if patch.shape[0] < 64 or patch.shape[1] < 64: continue res = model.predict(patch, imgsz=slice_size, conf=conf, verbose=False) for box in res[0].boxes: bx1, by1, bx2, by2 = box.xyxy[0].tolist() # 映射回原图坐标 all_boxes.append([bx1 + x, by1 + y, bx2 + x, by2 + y, box.conf.item()]) return all_boxes model = YOLO("runs/crack/exp1/weights/best.pt") boxes = sliced_inference(model, "big_road.jpg") print(f"切片推理共检出 {len(boxes)} 个候选框")

逻辑说明：slice_size是切片边长，overlap是相邻切片的重叠像素，重叠是为了避免裂缝正好落在切片边界被切断。step = slice_size - overlap控制滑动步长。每个切片的检测框坐标加上切片左上角偏移，映射回原图。参数上，overlap一般取切片尺寸的 15%~20%，太小会漏掉边界目标，太大则重复检测增多。切片推理的代价是速度慢，但细裂缝召回提升明显。

6.2 用 NMS 和置信度阈值做后处理

切片推理会产生大量重叠框，同一裂缝可能被多个切片检出。这时候需要跨切片的 NMS 合并，再配合置信度阈值过滤。

后处理的顺序是：先按 conf 过滤，再做 NMS 合并，最后按面积过滤掉过小的噪点框。裂缝场景里，conf 设低一点保证召回，靠后续的面积和长宽比过滤误检——真正的裂缝框通常长宽比很大（细长），而噪点框往往接近方形。

def filter_cracks(boxes, min_area=20, min_aspect=2.0): kept = [] for x1, y1, x2, y2, conf in boxes: w, h = x2 - x1, y2 - y1 area = w * h aspect = max(w, h) / (min(w, h) + 1e-6) # 裂缝细长，长宽比大；面积太小的是噪点 if area >= min_area and aspect >= min_aspect: kept.append([x1, y1, x2, y2, conf]) return kept

逻辑说明：min_area过滤掉面积过小的噪点框，min_aspect利用裂缝细长的先验过滤掉接近方形的误检。这两个阈值需要根据你的实际分辨率和裂缝尺度调，没有万能值。我一般会先跑一批图，把检出的框长宽比分布画出来，再定阈值。

6.3 一个我坚持的习惯

每次换数据集或换场景，我一定先跑一遍"最笨"的基线：默认参数、640 分辨率、不调任何增强，看它到底能到什么水平。这个基线数字是我的锚点，后面所有优化都要和它比，涨了多少、值不值，一目了然。裂缝检测这行，玄学参数调多了容易自我感动，最后发现还不如把标注质量提上去。数据干净、标签对齐、分辨率够用，这三件事做到位，YOLO 在马路裂缝上的表现通常不会让你失望。希望帮到你。

本文还有配套的精品资源，点击获取