智慧桥梁缺陷检测数据集，总量约1.1万张，覆盖6类常见桥梁病害，专门面向桥梁缺陷目标检测与智能识别任务打造，采用YOLO GYU-DET格式。下面直接查看数据集概况——

1

1

1

# 桥梁缺陷 YOLO GYU-DET 目标检测数据集

数据集信息汇总表

适用场景

1. 无人机桥梁巡检、桥梁病害自动识别与智能检测

2. 交通基建、道路桥梁健康监测与运维系统开发

3. 混凝土表观缺陷目标检测模型训练、科研实验与毕业设计

4. 路桥行业AI视觉检测项目部署与实际落地应用

数据集特点

✅ 超大样本规模，合计10379张桥梁实拍图像，适合目标检测模型训练与优化

✅ 源自真实桥梁现场采集，包含不同光照、距离和视角，具备较强泛化能力

✅ 多类混凝土病害统一标注，可直接适配YOLO系列目标检测模型

✅ 支持标准YOLO格式导出，无需复杂二次转换，拿来即可开箱训练

YOLO数据集配置文件 bridge_gyu.yaml

path: ./bridge_gyu_dataset
train: images/train
val: images/val
test: images/test
nc: 6
names:
0: class_0
1: class_1
2: class_2
3: class_3
4: class_4
5: class_5

YOLOv11训练代码

from ultralytics import YOLO

def main():
    model = YOLO("yolo11s.pt")
    model.train(
        data="./bridge_gyu_dataset/bridge_gyu.yaml",
        epochs=100,
        imgsz=640,
        batch=12,
        device=0,
        augment=True,
        mosaic=1.0,
        project="runs/train",
        name="bridge_gyu_defect",
        exist_ok=True
    )
    metrics = model.val()
    print(f"mAP@0.5：{metrics.box.map50:.4f}")

if __name__ == "__main__":
    main()