无人机智能识别巡查路面泥沙数据

本数据集专用于城市道路、市政道路的环卫清洁管理。针对道路施工、车辆带泥、建筑运输等导致的路面泥沙堆积问题，无人机在70至100米高度对城区道路进行巡航拍摄，通过图像识别与目标区域提取方式，对路面泥沙堆积区域的位置、范围及相关属性进行识别与整理。该数据可服务于环卫作业公司、市政保洁团队等，为清扫调度、保洁派单提供数据支撑，引导清洁车辆优先处理泥沙堆积区域，保障道路整洁与通行安全。1、数据来源：数据来源于本企业无人机智能巡查系统。
2、高分辨率图像通过无人机采集，记录样本编号、图像分辨率(pix)、巡检时间、影像存储路径、泥沙位置坐标、飞行高度(m)、泥沙覆盖区域、堆积面积等级、堆积类型、泥沙识别置信度、标签类别等字段，所有数据均经过人工清洗与校验，确保数据质量与准确性。本数据集以巡检图像中的路面泥沙区域为核心，对泥沙覆盖区域进行标注，堆积类型作为人工标注属性，用于描述泥沙堆积的分布形态特征。
3、算法基于YOLOv8m，集成SAHI切片推理技术。切片尺寸设置为512×512像素，能够有效覆盖泥沙堆积物的纹理特征，同时保留足够的上下文信息用于区分泥沙与正常路面；切片重叠率为0.3，确保堆积物边缘区域被多次检测，减少漏检。针对路面阴影干扰问题，训练时采用阴影区域补偿算法和对比度自适应增强，消除树荫、建筑物阴影对泥沙识别的干扰。预训练权重使用在COCO数据集上预训练的模型参数yolov8m.pt。微调时，保留骨干网络低层次特征提取层权重，冻结部分层以防过拟合，调整检测头参数，设置学习率0.01、批量大小16。
4、在推理阶段，设定置信度阈值为0.5，目标置信度由模型输出，反映目标检测的可信水平。仅保留高于此阈值的检测结果作为目标，即置信度输出大于等于0.5的检测框视为正样本（泥沙），小于0.5的检测框视为背景负样本。

搜集汇总

背景与挑战

背景概述

本数据集专注于城市道路泥沙堆积问题的环卫清洁管理，通过无人机在70至100米高度巡航采集高分辨率图像，并利用YOLOv8m算法识别泥沙区域的位置、范围与堆积类型。数据经人工清洗校验，可为环卫作业公司及市政保洁团队提供清扫调度与保洁派单的精准支撑，助力保障道路整洁与通行安全。