智慧工地无人机航拍工地5s管理、环境整治分割数据集，、工地物料杂物实例分割数据智慧工地AI分割源码、YOLOv11n-seg分割代码、施工现场智能巡检数据集、建筑场地缺陷分割模型

智慧工地无人机航拍工地5s管理、环境整治分割数据集、工地物料杂物实例分割数据智慧工地AI分割源码、YOLOv11n-seg分割代码、、施工现场智能巡检数据集、建筑场地缺陷分割模型、建筑工地湿滑表面检测、工地杂乱物料规整物料识别、2123张航拍工地图像数据集2123张yolovoccoco三种标注方式图像尺寸:640*640类别数量: 5 类训练集图像:1682; 验证集图像:392; 测试集图像:49总图像数: 2123类别分布:类别名称 | 包含该类别的图像数 | 总标注数construction_debris - 建筑垃圾 | 483|642disorganized_material - 杂乱物料 | 1013|2343organized_material - 规整物料 | 1129|2331scattered_objects - 散落物品 | 1294|4120slippery_surface - 湿滑表面 | 312|480一、数据集信息表项目详细参数数据集名称无人机航拍工地5S管理、环境整治实例分割数据集总图像数量2123张图像尺寸640×640标注格式YOLO、VOC、COCO类别总数5类训练集1682张验证集392张测试集49张construction_debris建筑垃圾图像数483标注数642disorganized_material杂乱物料图像数1013标注数2343organized_material规整物料图像数1129标注数2331scattered_objects散落物品图像数1294标注数4120slippery_surface湿滑表面图像数312标注数480训练配置YOLOv11n-seg训练轮次80 epoch配套资源训练/测试全套源码、训练权重、PyQt5可视化界面源码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二、YOLOv11 实例分割训练代码1. 数据集配置文件construction_seg.yamlpath:./datasets/construction_5strain:images/trainval:images/valtest:images/testnc:5names:0:construction_debris1:disorganized_material2:organized_material3:scattered_objects4:slippery_surface2. 训练、验证、推理代码fromultralyticsimportYOLOimportwarnings warnings.filterwarnings(ignore)deftrain_construction_seg():# 加载YOLOv11轻量化分割模型modelYOLO(yolo11n-seg.pt)model.train(dataconstruction_seg.yaml,epochs80,imgsz640,batch8,device0,workers4,patience12,projectruns/segment,nameconstruction_5s_seg,saveTrue,valTrue)print(工地环境分割模型训练完成)defevaluate_model():# 模型精度评估modelYOLO(runs/segment/construction_5s_seg/weights/best.pt)metricsmodel.val(dataconstruction_seg.yaml,imgsz640)print(f检测mAP0.5:{metrics.box.map50:.4f})print(f分割mAP0.5:{metrics.seg.map50:.4f})defpredict_detect(source):# 图像/视频/摄像头推理展示分割掩码modelYOLO(runs/segment/construction_5s_seg/weights/best.pt)resultsmodel.predict(sourcesource,imgsz640,conf0.4,saveTrue,show_masksTrue)returnresultsif__name____main__:train_construction_seg()evaluate_model()# predict_detect(test.jpg)三、PyQt5 界面说明基于PyQt5开发可视化运行界面配套完整源码。项目已完成模型训练部署环境后可直接运行用于工地航拍图像分割检测直观展示分割结果与目标信息。四、应用场景工地智慧监管无人机航拍巡检自动排查建筑垃圾、乱堆物料、地面湿滑等问题落实5S现场管理安全文明施工施工现场环境整治、安全隐患智能识别辅助监管部门巡检考核建筑运维工程项目日常状态监测、场地物资规范化管理统计学术实训航拍图像分割、工地视觉检测方向毕业设计、课程设计、算法研究算法竞赛户外场景实例分割、工业现场目标检测赛事基线数据智能巡检系统搭建一体化工地航拍AI巡检平台替代人工巡查