针对城市及施工区域内裸土的检测数据

1.算法训练：作为目标检测模型（YOLOv8/YOLOv11等）的训练数据集，除基础检测训练外，算法衍生字段可用于训练场景分析模型（碰撞风险预测、密度评估等） 2.模型验证与测试：通过验证集和测试集评估模型检测精度（mAP、Precision、Recall），同时验证场景分析算法的准确性和业务价值 3.场景算法优化：利用算法衍生字段的数据分布特征，持续优化场景分析算法的参数阈值（碰撞风险的IoU阈值、密度指数分段等） 4.标注质量评估：利用坐标的几何一致性（凸四边形验证、面积合理性检查）评估标注质量，建立标注质量反馈机制 5.生态环境局/扬尘办：基于风险等级定向检查高风险工地，精准执法 6.智慧工地管理平台：集成裸土覆盖率分析实现施工现场环保状态自动巡检 7.房地产开发企业：利用裸土覆盖数据分析施工区域防尘覆盖率和整改优先级 8.环保咨询机构：基于长期监测数据编写区域扬尘防治评估报告 9.城市管理部门：利用裸土分布数据辅助城市绿化规划和裸露地块整治1. 数据采集：采集目标检测图像标注数据。标注格式采用OBB旋转标注框格式（4顶点坐标：x1,y1,x2,y2,x3,y3,x4,y4），坐标归一化至[0,1]区间。并且提取标注字段包括：序号（从1开始连续编号）、图片名称、类型编号、类型名称、以及OBB标注框坐标。 2.数据处理：坐标归一化验证：确保所有坐标值均在[0,1]有效范围内；标注框几何有效性检查：验证OBB标注框形成有效凸四边形/HBB标注框宽高均为正值；类别信息校验：确保类型编号与类型名称一一对应，无缺失或错误映射；图片名称去重校验：确保每张图片的标注归属正确，无孤立的标注记录；异常值处理：剔除坐标超出[0,1]范围、面积为0或过大的异常标注。 3. 算法加工： （一）基础几何计算 标注框中心X = (x1+x2+x3+x4)/4，标注框中心Y = (y1+y2+y3+y4)/4，保留6位小数。标注框面积 = |x1×y2+x2×y3+x3×y4+x4×y1−x2×y1−x3×y2−x4×y3−x1×y4|/2（Shoelace公式），保留6位小数。 （二）场景分析算法 （1）裸土覆盖率：单帧所有裸土标注框面积之和（Shoelace公式逐框计算后求和）。覆盖率=总面积÷1.0（归一化图像面积）。 （2）裸土密度：该帧裸土标注框数量÷1.0，反映裸土斑块的分布密度和破碎化程度。 （3）扬尘风险评分 = 裸土覆盖率×25 + 标注框中心Y×5 + 裸土密度×2，面积大且斑块多的区域扬尘风险最高。 （4）风险等级：风险等级：扬尘风险评分<10为低风险（裸土面积小+位置靠上），扬尘风险评分在10~20为中风险（需关注），扬尘风险评分在20~30为高风险（裸土面积大+斑块分散），扬尘风险评分≥30为极高风险（大面积裸土+底部区域，必须立即覆盖防尘网/洒水抑尘），边界处理明确：扬尘风险评分=10归入中风险，扬尘风险评分=20归入高风险。

搜集汇总

背景与挑战

背景概述

该数据集包含2000条针对城市及施工区域裸土的检测数据，采用OBB旋转标注框格式，并附有裸土覆盖率、密度、扬尘风险评分等算法衍生字段，可用于目标检测模型训练、场景分析算法优化及标注质量评估。其典型应用包括生态环境局精准执法、智慧工地平台巡检、房地产开发企业防尘管理、环保咨询机构评估及城市绿化规划等，旨在支撑扬尘污染防治与裸土治理的智能化决策。