水管漏水检测数据集基础信息表YOLO模型如何训练这个数据集

水管漏水检测数据集基础信息表

信息项	详情
数据集名称	water-leak-wgdaq 水管漏水视觉检测数据集
任务类型	2D目标检测
类别总数	4类
目标类别	crack（管道裂缝）、leak（液体渗漏）、no leak（完好管道）、water（积水/水渍）
标注格式	YOLO TXT归一化矩形框标注，同时支持COCO JSON、VOC XML格式导出
数据集划分	分为train/val/test三组，图像、标注文件分文件夹独立存放
标注类型	二维边界框检测标注，无分割、关键点标注
适用场景	市政管道巡检、建筑墙体漏水识别、水务设备故障视觉检测

YOLOv26 目标检测配套训练代码

1. 数据集目录结构

water_leak_wgdaq/ ├── train/ │ ├── images │ └── labels ├── val/ │ ├── images │ └── labels ├── test/ │ ├── images │ └── labels └── data.yaml

在这里插入图片描述

2. data.yaml 配置文件

path:./water_leak_wgdaqtrain:train/imagesval:val/imagestest:test/imagesnc:4names:0:crack1:leak2:no leak3:water

3. 训练脚本 train_water_leak.py

fromultralyticsimportYOLOif__name__=="__main__":model=YOLO("yolov26s.pt")model.train(data="./water_leak_wgdaq/data.yaml",epochs=100,imgsz=640,batch=8,device=0,workers=0,lr0=0.01,patience=15,project="runs/train",name="yolov26_water_leak",exist_ok=True,mosaic=1.0)

在这里插入图片描述

4. 模型评估与推理脚本

fromultralyticsimportYOLO# 加载训练完成最优权重model=YOLO("runs/train/yolov26_water_leak/weights/best.pt")# 验证集精度评估metrics=model.val(data="./water_leak_wgdaq/data.yaml")# 单张图像推理并保存结果model("test_pipe.jpg",save=True)# 视频推理# model("pipe_video.mp4", save=True)