下水道排水管道缺陷实例分割数据集 基于YOLOv11下水管道排水管缺陷实例分割系统 变形 沉积错口破裂树根障碍物下水道排水管道缺陷实例分割数据集1925张yolovoccoco三种标注方式数据集统计信息图像尺寸:1024*1024类别数量: 7 类训练集图像:1636; 验证集图像:269; 测试集图像:20总图像数: 1925类别分布:类别名称 | 包含该类别的图像数 | 总标注数----------------------------------------BX 变形 | 455 | 620CJ 沉积| 365 | 426CK 错口| 35 | 38OBB | 92 | 115PL 破裂| 210 | 318SG 树根| 438 | 671ZW 障碍物| 392 | 603模型代码模型训练使用yolov11n-seg训练80个epoch训练结果map如描述图所示。qt界面运行界面采用pyqt5编写本项目已经训练好模型配置好环境后可直接使用运行效果见描述图像4.支持windows和linux系统基于YOLOv11 下水道缺陷实例分割系统完整工程代码环境安装pipinstallultralytics opencv-python pyqt5 numpy pillow1、数据集配置文件 sewer.yaml# 下水道缺陷分割数据集path:./sewer_datasettrain:images/trainval:images/valtest:images/testnames:0:BX#变形1:CJ#沉积/淤积2:CK#穿孔3:OBB#障碍物4:PL#破裂5:SG#树根6:ZW#杂物2、模型训练代码 train_sewer.pyfromultralyticsimportYOLOif__name____main__:# 加载yolov11分割模型modelYOLO(yolo11n-seg.yaml).load(yolo11n-seg.pt)resultsmodel.train(datasewer.yaml,epochs80,imgsz640,batch8,device0,workers2,projectsewer_defect_seg,nameyolo11n_sewer,ampTrue,mosaic1.0)3、推理预测代码 predict.pyfromultralyticsimportYOLOimportcv2 modelYOLO(./sewer_defect_seg/yolo11n_seg/weights/best.pt)defpredict_img(img_path):resmodel(img_path,conf0.3)forrinres:imgr.plot()cv2.imwrite(result.jpg,img)returnimgif__name____main__:predict_img(test.jpg)4、PyQt5可视化界面代码 gui_sewer.py对应你截图里的系统importsysimportcv2fromPyQt5.QtWidgetsimport(QApplication,QMainWindow,QPushButton,QLabel,QFileDialog)fromPyQt5.QtGuiimportQImage,QPixmapfromPyQt5.QtCoreimportQtfromultralyticsimportYOLOclassSewerSegWindow(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(基于YOLO11的下水道缺陷实例分割系统)self.setGeometry(100,100,1400,800)self.modelYOLO(./sewer_defect_seg/yolo11n_seg/weights/best.pt)#按钮self.btn_imgQPushButton(选择图片,self)self.btn_img.move(20,20)self.btn_img.clicked.connect(self.load_image)#图像显示labelself.label_oriQLabel(原始图像,self)self.label_ori.setGeometry(20,80,650,600)self.label_resQLabel(分割结果,self)self.label_res.setGeometry(700,80,650,600)defload_image(self):fname,_QFileDialog.getOpenFileName(self,选择图片,.,*.jpg;*.png)ifnotfname:returnimgcv2.imread(fname)#推理predself.model(fname,conf0.3)[0]res_imgpred.plot()#展示原图self.show_cvimg(img,self.label_ori)#展示结果self.show_cvimg(res_img,self.label_res)defshow_cvimg(self,cvimg,label):rgbcv2.cvtColor(cvimg,cv2.COLOR_BGR2RGB)h,w,crgb.shape qimgQImage(rgb.data,w,h,w*c,QImage.Format_RGB888)label.setPixmap(QPixmap.fromImage(qimg).scaled(label.width(),label.height(),Qt.KeepAspectRatio))if__name____main__:appQApplication(sys.argv)winSewerSegWindow()win.show()sys.exit(app.exec_())应用场景城市市政排水管道CCTV内窥检测自动识别管道内部7类缺陷变形BX、淤积CJ、穿孔CK、障碍物OBB、破裂PL、树根SG、杂物ZW替代人工回看管道视频自动标注缺陷位置、类别输出分割掩码与缺陷报表管网健康评估、管道病害等级判定、管道修复工程量统计数据集说明配套下水道管道CCTV内窥缺陷实例分割数据集包含7类管道病害YOLO/VOC/COCO三种标注图片来自管道机器人内窥视频分帧覆盖不同管径、积水、暗光场景。类别对照| 缩写 | 中文名称 || ---- | ---- || BX | 管道变形 || CJ | 管内淤积 || CK | 管壁穿孔 || OBB | 管内障碍物 || PL | 管道破裂 || SG | 树根侵入 || ZW | 管内杂物 |运行python gui_sewer.py即可启动你截图中的可视化分割系统支持图片检测可扩展视频、摄像头实时检测。
下水道排水管道缺陷实例分割数据集 基于YOLOv11下水管道排水管缺陷实例分割系统 变形 沉积错口破裂树根障碍物
下水道排水管道缺陷实例分割数据集 基于YOLOv11下水管道排水管缺陷实例分割系统 变形 沉积错口破裂树根障碍物下水道排水管道缺陷实例分割数据集1925张yolovoccoco三种标注方式数据集统计信息图像尺寸:1024*1024类别数量: 7 类训练集图像:1636; 验证集图像:269; 测试集图像:20总图像数: 1925类别分布:类别名称 | 包含该类别的图像数 | 总标注数----------------------------------------BX 变形 | 455 | 620CJ 沉积| 365 | 426CK 错口| 35 | 38OBB | 92 | 115PL 破裂| 210 | 318SG 树根| 438 | 671ZW 障碍物| 392 | 603模型代码模型训练使用yolov11n-seg训练80个epoch训练结果map如描述图所示。qt界面运行界面采用pyqt5编写本项目已经训练好模型配置好环境后可直接使用运行效果见描述图像4.支持windows和linux系统基于YOLOv11 下水道缺陷实例分割系统完整工程代码环境安装pipinstallultralytics opencv-python pyqt5 numpy pillow1、数据集配置文件 sewer.yaml# 下水道缺陷分割数据集path:./sewer_datasettrain:images/trainval:images/valtest:images/testnames:0:BX#变形1:CJ#沉积/淤积2:CK#穿孔3:OBB#障碍物4:PL#破裂5:SG#树根6:ZW#杂物2、模型训练代码 train_sewer.pyfromultralyticsimportYOLOif__name____main__:# 加载yolov11分割模型modelYOLO(yolo11n-seg.yaml).load(yolo11n-seg.pt)resultsmodel.train(datasewer.yaml,epochs80,imgsz640,batch8,device0,workers2,projectsewer_defect_seg,nameyolo11n_sewer,ampTrue,mosaic1.0)3、推理预测代码 predict.pyfromultralyticsimportYOLOimportcv2 modelYOLO(./sewer_defect_seg/yolo11n_seg/weights/best.pt)defpredict_img(img_path):resmodel(img_path,conf0.3)forrinres:imgr.plot()cv2.imwrite(result.jpg,img)returnimgif__name____main__:predict_img(test.jpg)4、PyQt5可视化界面代码 gui_sewer.py对应你截图里的系统importsysimportcv2fromPyQt5.QtWidgetsimport(QApplication,QMainWindow,QPushButton,QLabel,QFileDialog)fromPyQt5.QtGuiimportQImage,QPixmapfromPyQt5.QtCoreimportQtfromultralyticsimportYOLOclassSewerSegWindow(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(基于YOLO11的下水道缺陷实例分割系统)self.setGeometry(100,100,1400,800)self.modelYOLO(./sewer_defect_seg/yolo11n_seg/weights/best.pt)#按钮self.btn_imgQPushButton(选择图片,self)self.btn_img.move(20,20)self.btn_img.clicked.connect(self.load_image)#图像显示labelself.label_oriQLabel(原始图像,self)self.label_ori.setGeometry(20,80,650,600)self.label_resQLabel(分割结果,self)self.label_res.setGeometry(700,80,650,600)defload_image(self):fname,_QFileDialog.getOpenFileName(self,选择图片,.,*.jpg;*.png)ifnotfname:returnimgcv2.imread(fname)#推理predself.model(fname,conf0.3)[0]res_imgpred.plot()#展示原图self.show_cvimg(img,self.label_ori)#展示结果self.show_cvimg(res_img,self.label_res)defshow_cvimg(self,cvimg,label):rgbcv2.cvtColor(cvimg,cv2.COLOR_BGR2RGB)h,w,crgb.shape qimgQImage(rgb.data,w,h,w*c,QImage.Format_RGB888)label.setPixmap(QPixmap.fromImage(qimg).scaled(label.width(),label.height(),Qt.KeepAspectRatio))if__name____main__:appQApplication(sys.argv)winSewerSegWindow()win.show()sys.exit(app.exec_())应用场景城市市政排水管道CCTV内窥检测自动识别管道内部7类缺陷变形BX、淤积CJ、穿孔CK、障碍物OBB、破裂PL、树根SG、杂物ZW替代人工回看管道视频自动标注缺陷位置、类别输出分割掩码与缺陷报表管网健康评估、管道病害等级判定、管道修复工程量统计数据集说明配套下水道管道CCTV内窥缺陷实例分割数据集包含7类管道病害YOLO/VOC/COCO三种标注图片来自管道机器人内窥视频分帧覆盖不同管径、积水、暗光场景。类别对照| 缩写 | 中文名称 || ---- | ---- || BX | 管道变形 || CJ | 管内淤积 || CK | 管壁穿孔 || OBB | 管内障碍物 || PL | 管道破裂 || SG | 树根侵入 || ZW | 管内杂物 |运行python gui_sewer.py即可启动你截图中的可视化分割系统支持图片检测可扩展视频、摄像头实时检测。
