简介：本资源是面向计算机视觉初学者与地质灾害智能监测研究者的专用目标检测数据集，聚焦公路场景下的落石与滑坡识别任务，可直接用于VOC格式模型训练、算法验证及课程设计。压缩包共1984个文件，含991张JPG图像、991份Pascal VOC标准XML标注文件（含边界框坐标与类别标签）及2个说明文本，整体体积54.1MB，结构简洁无冗余格式干扰。数据分为真实采集与Stable Diffusion生成两大子集：真实场景含494张双类别（huapo/luoshi）图像，标注框共534个；SD生成场景含497张单类别（luoshi）图像，标注框514个，兼顾真实性与数据增强需求。目前已有2821人学习下载，配套B站视频详解数据构建逻辑与标注规范，便于读者快速理解类别定义、图像分布特征及实际部署注意事项。
1. 项目概述：一个面向地质灾害预警的专用数据集
在计算机视觉，特别是目标检测领域，数据的质量与针对性直接决定了模型的上限。我们常常看到各种通用数据集，如COCO、VOC，它们包罗万象，但在面对特定垂直领域的复杂场景时，往往力不从心。今天要分享的，是我和团队在近期一个地质灾害监测预警项目中，亲手构建并开源的一个专用数据集——“公路落石和滑坡数据集”。这个数据集包含了991张精心标注的VOC格式图像，专门用于训练和评估针对公路边坡落石与滑坡体的自动检测模型。
这个项目的初衷很直接：传统的公路巡检依赖人工，效率低、风险高，尤其在恶劣天气后或地质不稳定路段。我们希望通过AI视觉技术，利用部署在路侧的监控摄像头或巡检无人机，实现对这些地质灾害隐患的7x24小时自动识别与预警。然而，市面上找不到一个现成的、标注质量高的相关数据集。要么场景不符（多是自然场景下的山体滑坡，而非公路边坡），要么标注类别混杂。因此，从数据采集、清洗到标注，我们走完了全流程，并将其中991张核心样本整理开源，希望能填补这一细分领域的数据空白，推动相关技术的研究与应用落地。
数据集采用经典的PASCAL VOC格式，这确保了其与绝大多数主流目标检测框架（如YOLO系列、SSD、Faster R-CNN等）的兼容性，研究者与工程师可以几乎零成本地将其接入现有训练流程。接下来，我将详细拆解这个数据集的构建思路、核心技术细节、实操应用方法以及我们趟过的那些“坑”。
2. 数据集核心设计思路与场景解析
2.1 为何聚焦“公路”场景？
地质灾害检测是一个宽泛的命题，但将场景限定在“公路”，带来了几个根本性的变化和挑战，这也是我们数据集设计的核心出发点。
首先，视角与尺度相对固定。不同于无人机航拍的大范围山体滑坡，公路监控摄像头或车载摄像头拍摄的边坡，其角度（多为侧视或斜视）、距离（由摄像头安装位置决定）变化范围是有限的。这在一定程度上降低了模型需要学习的视角多样性，但同时对不同距离下落石大小的识别（即小目标检测）提出了更高要求。一颗在远处边坡上的落石，在图像中可能只有十几个像素点。
其次，背景干扰物高度复杂。公路环境充满干扰：飞驰而过的车辆、护栏、标志牌、路灯、边坡植被（草、灌木）、裸露的岩土以及天气变化（雨雪、雾、阴影）等。模型必须学会将“落石”、“滑坡体”从这些复杂的静态和动态背景中稳定地分离出来。特别是，新鲜的土壤裸露（滑坡迹象）与正常的土质边坡、施工痕迹之间，区别往往非常细微。
最后，形态的极端多样性。“落石”可能是孤立的单块岩石，也可能是一堆碎石；形状从近圆形到极度不规则都有；颜色因岩石种类、风化程度、光照、是否潮湿而千差万别。“滑坡”则可能表现为边坡上的土壤剥落、裂缝、鼓胀或整体性的土石堆积体，其边界模糊，与背景融合度高。
基于以上分析，我们的数据采集策略明确为：以固定点监控视角为主，辅以移动巡检视角；覆盖多种天气、光照条件；重点捕捉不同规模、不同形态、不同发育阶段的地质灾害样本。
2.2 VOC格式选型：兼容性与效率的平衡
在数据标注格式上，我们选择了PASCAL VOC格式，而非更现代的COCO格式，主要基于以下几点考量：
- 极致的工具链兼容性：VOC格式历史最悠久，几乎是所有目标检测框架和标注工具（LabelImg、CVAT等）的“第一语言”。无论是使用Darknet训练YOLOv3/v4，还是用PyTorch训练Faster R-CNN，或是MMDetection等集成框架，VOC格式都能通过内置或简单的脚本实现无缝接入。这最大程度降低了用户的使用门槛。
- 结构清晰，易于手动核查：VOC格式以XML文件存储标注，结构一目了然。每个XML文件对应一张图片，其中清晰列出了文件名、尺寸、以及每个目标的类别名和边界框坐标。对于研究人员和工程师来说，写个简单的脚本解析、可视化校验标注质量非常方便。
- 满足本项目核心需求：对于目标检测任务，VOC格式提供的“类别名”和“边界框”信息已经完全足够。我们暂时不需要COCO格式中的“分割掩膜”（实例分割）或“关键点”（姿态估计）等更复杂的信息。保持格式简洁有利于聚焦核心任务。
当然，VOC格式也有其局限性，例如不支持属性标注、难以处理大量数据时的解析效率问题。但对于一个千张级别、专注于边界框检测的专用数据集来说，其优势远大于劣势。我们同时提供了将VOC格式转换为YOLO格式（TXT）和COCO格式（JSON）的脚本，方便有不同需求的用户使用。
注意：VOC格式的边界框坐标是
(xmin, ymin, xmax, ymax)，且是相对于图像左上角为原点的绝对像素坐标。在转换为其他格式（如YOLO的中心点相对坐标）时，务必进行正确的归一化计算。
3. 数据采集、标注与质量控制全流程
3.1 数据来源与采集规范
我们的991张图像并非全部来自实地拍摄，那样成本过高且周期长。数据来源构成如下：
- 实地采集（约40%）：在多个不同地质条件的山区公路段，使用高清行车记录仪和定点监控设备进行采集。涵盖了晴天、阴天、雨后等多个时段，以确保光照和路面反射条件的多样性。
- 公开视频抽帧（约35%）：从一些交通监控公开视频、地质灾害纪录片、工程巡检报告中，抽取包含清晰落石或滑坡场景的帧。这里涉及大量的版权筛选和隐私处理工作，确保所有使用的公开数据均符合开源协议或已获授权。
- 合成与增强数据（约25%）：对于某些极端罕见场景（如大型滑坡刚发生时的瞬间），我们使用了3D建模和图像合成技术进行模拟，并结合GAN网络进行风格迁移，使其与真实图像背景融合。这部分数据主要用于增强模型对极端情况的鲁棒性。
采集时，我们遵循了以下规范：
- 分辨率统一：所有原始图像均处理为1920x1080或1280x720，确保长宽比一致（16:9），便于后续批量处理。
- 避免重复：严格控制场景相似度，避免同一地点、同一时间段的连续帧大量进入数据集，防止数据冗余导致模型过拟合。
- 场景平衡：努力确保数据集中，“落石”与“滑坡”两类别的样本数量大致平衡，并且各自包含远、中、近不同尺度的目标。
3.2 精细化标注策略与难点处理
标注工作我们使用了LabelImg工具，并制定了详细的标注规范手册：
类别定义：
rockfall：公路边坡上已脱离母岩的单个或多个岩石块。要求边界框紧贴岩石外缘，对于堆积在一起的碎石，若可区分则单独标注，若已混为一体则用一个框标出整体。landslide：边坡上已发生或正在发育的土石滑动体。包括滑塌体、裂缝上方的危岩体、坡脚的堆积物。标注的关键是框出整个不稳定区域的主体部分，对于扩散的零星碎屑可酌情忽略。
边界框标注原则：
- 紧密度：框体应尽可能紧贴目标边缘，减少背景纳入。
- 完整性：确保目标的所有显著部分都在框内。对于被遮挡的落石，按可见部分标注。
- 模糊目标处理：对于远处极其模糊、人眼难以百分百确认的目标，遵循“存疑不标”的原则，宁可漏标，绝不误标，保证标注集的置信度。
标注难点与解决方案：
- 小目标：对于像素面积小于20x20的落石，我们仍然进行标注，但会在标注记录中额外标记为“difficult=1”。在模型评估时，可以参考这一属性，区分模型在常规目标和小目标上的性能差异。
- 滑坡边界模糊：滑坡体与稳定边坡的过渡区往往渐变。我们规定，以颜色、纹理发生明显变化，或出现明显裂缝、陡坎的边缘作为标注边界。邀请了一位地质工程专业的同学进行审核，确保标注符合地质常识。
- 阴影与反光：雨天湿滑的岩石反光、树木投下的阴影容易造成干扰。我们要求标注员必须排除阴影部分，只标注实体物质。对于高光严重的岩石，以其固有颜色区域为准进行标注。
3.3 质量保障与数据集划分
所有标注都经过了两轮校验：一审交叉校验（由不同标注员互相检查）和二审专家抽检（由项目核心成员抽查至少30%的数据）。对于有争议的样本，进行小组讨论后裁定。
最终，我们将991张图像按大约7:2:1的比例随机划分为训练集（约694张）、验证集（约198张）和测试集（约99张）。划分时确保了同一路段或同一视频来源的图像只出现在一个集合中，防止数据泄露，保证评估结果的公正性。
数据集目录结构如下：
Highway_Rockfall_Landslide_VOC/ ├── Annotations/ # 存放所有XML标注文件 ├── JPEGImages/ # 存放所有JPG图像文件 ├── ImageSets/ │ └── Main/ │ ├── train.txt # 训练集文件名列表（无后缀） │ ├── val.txt # 验证集文件名列表 │ └── test.txt # 测试集文件名列表 └── label_map.pbtxt # 类别标签与ID对应文件（用于TensorFlow等）4. 基于YOLOv8的模型训练实战与调优
有了高质量的数据集，下一步就是将其投入实战。这里我以目前非常流行的Ultralytics YOLOv8为例，展示完整的训练流程和针对本数据集的调优技巧。
4.1 环境配置与数据准备
首先，将VOC格式数据集转换为YOLOv8所需的格式。YOLOv8期望一个特定的目录结构和TXT标注文件。我们可以使用以下脚本进行转换（假设数据集按上述VOC结构放置）：
# voc_to_yolo.py import xml.etree.ElementTree as ET import os from pathlib import Path def convert_box(size, box): # 将VOC的(xmin, ymin, xmax, ymax)转换为YOLO的(x_center, y_center, width, height)归一化格式 dw = 1. / size[0] dh = 1. / size[1] x = (box[0] + box[2]) / 2.0 y = (box[1] + box[3]) / 2.0 w = box[2] - box[0] h = box[3] - box[1] x = x * dw w = w * dw y = y * dh h = h * dh return (x, y, w, h) # 类别映射，根据你的数据集修改 classes = ["rockfall", "landslide"] # 路径设置 voc_images_dir = "Highway_Rockfall_Landslide_VOC/JPEGImages" voc_annotations_dir = "Highway_Rockfall_Landslide_VOC/Annotations" yolo_labels_dir = "Highway_Rockfall_Landslide_YOLO/labels" yolo_images_dir = "Highway_Rockfall_Landslide_YOLO/images" Path(yolo_labels_dir).mkdir(parents=True, exist_ok=True) Path(yolo_images_dir).mkdir(parents=True, exist_ok=True) # 获取所有XML文件 for xml_file in Path(voc_annotations_dir).glob("*.xml"): tree = ET.parse(xml_file) root = tree.getroot() # 图像尺寸 size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) # 对应的图片文件 img_name = root.find('filename').text txt_name = Path(xml_file).stem + '.txt' # 写入YOLO格式的标签文件 with open(os.path.join(yolo_labels_dir, txt_name), 'w') as f: for obj in root.iter('object'): cls = obj.find('name').text if cls not in classes: continue cls_id = classes.index(cls) xmlbox = obj.find('bndbox') b = (float(xmlbox.find('xmin').text), float(xmlbox.find('ymin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymax').text)) bb = convert_box((w, h), b) f.write(f"{cls_id} {' '.join([f'{a:.6f}' for a in bb])}\n") # 复制图片文件（或创建软链接） # ... 此处省略图片复制代码 ...转换后，目录结构应为：
Highway_Rockfall_Landslide_YOLO/ ├── images/ │ ├── train/ # 放置训练集图片 │ ├── val/ # 放置验证集图片 │ └── test/ # 放置测试集图片 └── labels/ ├── train/ # 放置训练集标签TXT ├── val/ # 放置验证集标签TXT └── test/ # 放置测试集标签TXT然后，创建一个数据集配置文件highway.yaml：
# highway.yaml path: /path/to/Highway_Rockfall_Landslide_YOLO # 数据集根目录 train: images/train # 训练集相对路径 val: images/val # 验证集相对路径 test: images/test # 测试集相对路径（可选） # 类别列表 names: 0: rockfall 1: landslide4.2 模型训练与关键参数调优
安装YOLOv8后，可以使用命令行或Python API进行训练。以下是一个详细的训练命令示例：
yolo task=detect mode=train model=yolov8s.pt data=highway.yaml epochs=150 imgsz=640 batch=16 workers=4 patience=30 lr0=0.01 cos_lr=True针对我们这个“公路落石滑坡”数据集的特点，有几个关键参数需要特别关注和调整：
输入图像尺寸
imgsz：我们尝试了640和1280。对于小目标（远处落石），更大的输入尺寸（如1280）能保留更多像素信息，显著提升小目标召回率，但会大幅增加显存消耗和训练时间。实测下来，对于1080p来源的图像，从640提升到1280，小目标（像素面积<32x32）的mAP@0.5能提升约8-12%，但训练时间翻倍。需要根据你的硬件条件权衡。我们最终选择了960作为一个平衡点。数据增强策略：YOLOv8内置了强大的增强功能（Mosaic, MixUp等）。但对于地质检测，需要谨慎：
hsv_h,hsv_s,hsv_v：适度调整（如0.015, 0.7, 0.4）可以模拟不同光照和天气，增强模型鲁棒性。flipud和fliplr：启用水平翻转是安全的。但垂直翻转要小心，因为现实世界中滑坡和落石几乎不会“倒置”出现，不合理的增强可能引入噪声。我们选择关闭flipud=0.0。mosaic：在训练初期（如前50个epoch）开启Mosaic可以提升模型对不同尺度目标的适应能力，特别是小目标。但在训练后期建议关闭（可以通过回调函数设置），让模型专注于学习更真实的单图上下文。
损失函数权重与Anchor-Free：YOLOv8是Anchor-Free的，这简化了调参。但我们可以关注分类损失和边界框损失的平衡。如果发现模型分类不准（混淆落石和滑坡），可以尝试微调
cls_pw参数（分类损失正样本权重），稍微调高它（如从1.0调到1.2），让模型更“重视”分类的正确性。针对小目标的专门优化：
- 多尺度训练：YOLOv8默认支持。确保开启，让模型适应不同尺度的目标。
- 关注
small指标：在验证结果中，除了看整体的mAP，务必单独分析metrics/mAP50-95(B)和metrics/mAP50-95(S)，后者专门针对小目标。如果这个值偏低，说明模型在小目标上学得不好。 - 可能的架构调整：如果小目标性能始终是瓶颈，可以考虑使用更密集预测头的模型变体（如YOLOv8m或YOLOv8l），或者在Neck部分添加针对小目标的检测层（这需要修改模型结构，进阶操作）。
4.3 训练过程监控与评估
训练开始后，利用TensorBoard或YOLOv8自带的日志功能监控关键指标：
- 损失曲线：
train/box_loss,train/cls_loss,val/box_loss,val/cls_loss。观察训练损失是否平稳下降，验证损失是否在后期趋于平稳或开始上升（可能过拟合）。 - 性能指标：重点关注
metrics/mAP50-95（COCO标准mAP）和metrics/mAP50（IoU阈值为0.5时的mAP）。对于本数据集，mAP50可能更贴近实际应用需求（预警系统对框的精确度要求可以稍低，但召回率必须高）。 - 类别AP：单独查看
metrics/AP50(rockfall)和metrics/AP50(landslide)，确保两个类别没有严重的不平衡。
训练完成后，在测试集上运行评估：
yolo task=detect mode=val model=runs/detect/train/weights/best.pt data=highway.yaml仔细分析生成的混淆矩阵、PR曲线和每个类别的AP值。混淆矩阵能告诉你模型最容易将“落石”误判为什么（背景？滑坡？），PR曲线则展示了在不同置信度阈值下的查准率-查全率平衡关系。
5. 实际部署考量与性能优化技巧
模型训练好只是第一步，要真正用到公路巡检中，还需要考虑部署环境。这里分享几点从实际项目中总结的经验。
5.1 边缘设备部署优化
公路监控往往在边缘端（如带算力的摄像头、工控机、车载设备）进行实时推理。这些设备算力有限，因此模型轻量化至关重要。
模型导出与量化：使用YOLOv8的
export功能将PyTorch模型导出为ONNX或TensorRT格式。强烈推荐使用FP16（半精度）甚至INT8量化。以NVIDIA Jetson设备为例，使用TensorRT部署INT8量化的YOLOv8s模型，推理速度可以比FP32快2-4倍，而精度损失通常小于1%（mAP@0.5）。量化过程需要一小部分校准数据。yolo export model=best.pt format=onnx imgsz=960 half=True # 导出为FP16的ONNX # 然后使用TensorRT工具trtexec或NVIDIA的PyTorch量化工具进行进一步INT8量化输入分辨率与推理速度的权衡：在边缘设备上，可能无法承受960x960的输入。需要测试不同输入尺寸（如640， 480）下的精度和速度。一个实用的技巧是：在训练时用较高分辨率，导出和部署时使用较低分辨率。虽然精度会下降，但通过适当调整置信度阈值和非极大值抑制阈值，可以在速度和召回率之间找到可接受的平衡点。
后处理优化：模型推理后的非极大值抑制是CPU上的操作。对于嵌入式设备，可以：
- 使用更高效的NMS实现（如Fast NMS）。
- 根据实际场景调整NMS的
iou_thres。对于落石和滑坡，它们通常不会高度重叠，可以将iou阈值设得稍低一些（如0.4），以加速后处理。 - 对于连续视频流，可以利用帧间相关性（跟踪算法如ByteTrack）来平滑检测结果，减少单帧误检和漏检。
5.2 提升误报鲁棒性的策略
在实际场景中，减少误报（将正常边坡、车辆阴影误认为灾害）比提升召回更难，也更重要。
多帧确认机制：不要相信单帧检测结果。设定一个规则，例如：同一位置连续5帧中有3帧以上检测到目标，且边界框中心点移动距离小于某个阈值，才触发预警。这可以过滤掉飞鸟、飘过的塑料袋等瞬时干扰。
引入场景先验知识：
- ROI区域限制：如果摄像头固定，可以预先划定一个“感兴趣区域”，只在该区域内进行检测分析，忽略公路路面、天空等无关区域。
- 大小过滤：根据摄像头标定和先验知识，估算出真实世界中落石的最小物理尺寸（例如直径大于0.2米），并映射到图像像素大小。过滤掉所有小于该像素尺寸的检测框，它们很可能是噪声或无关小物体。
- 位置合理性：滑坡体通常与边坡走向相关，落石通常出现在坡脚或路面。可以设置简单的逻辑规则，过滤掉出现在天空中或公路中央的“滑坡”检测框。
集成时空上下文模型：更高级的做法是训练一个轻量级的场景分类模型或异常检测模型，与目标检测模型并行运行。例如，先判断当前帧场景是否为“正常边坡”，如果不是，再启动高精度的目标检测模型进行细粒度分析。这种级联结构可以节省平均计算开销。
6. 常见问题、排查记录与未来方向
6.1 训练与评估中的典型问题
在开发和测试过程中，我们遇到了不少问题，这里列出一个速查表：
| 问题现象 | 可能原因 | 排查与解决方案 |
|---|---|---|
| 训练损失震荡大，不收敛 | 学习率lr0过高；批次大小batch太小；数据中存在大量错误标注或模糊样本。 | 1. 逐步降低学习率（如从0.01降至0.001）。 2. 在硬件允许下增大批次大小。 3. 使用 yolo val结合可视化工具，检查训练集标注质量，清洗问题数据。 |
| 验证集mAP远低于训练集 | 严重过拟合；验证集与训练集分布差异大（如天气、场景不同）。 | 1. 增加数据增强（特别是色彩、亮度扰动）。 2. 使用早停 patience，并加入权重衰减weight_decay。3. 检查数据集划分，确保训练/验证集场景分布均匀。 |
| “落石”类AP很高，但“滑坡”类AP很低 | 两类样本数量不平衡；滑坡特征更复杂、更难学习。 | 1. 使用类别权重（YOLOv8中可通过cls_pw调整）。2. 对“滑坡”类样本进行过采样或数据增强。 3. 检查滑坡标注是否一致，边界模糊的样本是否过多，考虑统一标注标准。 |
| 小目标（远处落石）召回率极低 | 输入图像分辨率imgsz过低；模型结构对小目标不友好；数据中小目标样本质量差。 | 1.最有效：提高训练和推理时的输入分辨率。 2. 尝试使用更深的模型（如YOLOv8m/l），其深层特征图可能对小目标更敏感。 3. 在数据集中专门增加小目标样本，或使用复制-粘贴增强。 |
| 模型在晴天数据上表现好，雨天/雾天差 | 数据集中不同天气条件样本不均衡；模型未学习到光照不变特征。 | 1. 收集更多恶劣天气下的数据。 2. 在数据增强中加强HSV空间的扰动（ hsv_h/s/v）。3. 考虑在模型前端加入简单的去雾、亮度归一化预处理模块。 |
| 推理速度在边缘设备上不达标 | 模型太大；输入分辨率太高；未使用量化；后处理耗时。 | 1. 换用更小的模型（如YOLOv8n）。 2. 降低推理分辨率（需重新评估精度损失）。 3.必须做：使用TensorRT/OpenVINO等框架进行INT8量化部署。 4. 优化后处理代码，或使用硬件加速的NMS算子。 |
6.2 数据集与模型的未来扩展方向
这个991张的数据集只是一个起点。要构建一个真正鲁棒的公路地质灾害检测系统，还有很长的路要走。我们正在规划以下几个扩展方向：
数据集的扩充与细化：
- 增加样本量与多样性：持续收集不同地区、不同地质条件、不同季节的灾害图像，目标将数据集扩大到万级。
- 增加细粒度类别：将“滑坡”细分为“浅层剥落”、“深层滑塌”、“裂缝”等；将“落石”按大小分级（如“小块落石”、“大块落石”、“碎石流”），为风险评估提供更精细的信息。
- 引入视频序列数据：标注连续视频帧，可用于研究灾害的动态发展过程，并支持基于视频的检测与预测模型。
模型算法的探索：
- Transformer架构尝试：测试如DETR、Swin Transformer等模型在本数据集上的表现，看其长距离依赖建模能力是否对理解复杂边坡场景有帮助。
- 多任务学习：联合训练目标检测与语义分割任务，让模型不仅能框出灾害，还能精确勾勒出其轮廓，这对于计算土方量等后续分析更有价值。
- 不确定性估计：为模型输出增加置信度或不确定性分数，当模型对某个检测结果“吃不准”时，可以触发人工复核，构建人机协同的巡检流程。
系统层面的集成：将检测模型与地理信息系统、气象数据、历史灾害数据库相结合。例如，当模型检测到潜在滑坡迹象时，系统自动调取该点位的历史地质资料和近期降雨数据，进行综合风险评估，从而生成不同等级的预警信息。
构建这个数据集和模型的过程，让我们深刻体会到，在垂直领域，高质量、高针对性的数据是“燃料”，而对业务场景的深刻理解是“导航图”。抛开炫技的模型，扎实的数据工程和贴合场景的算法优化，才是项目成功落地的关键。希望这个数据集和这些经验，能为同样从事相关领域研究和应用的朋友们提供一个有价值的起点。
本文还有配套的精品资源，点击获取
