随着城市化进程的不断推进，道路作为城市基础设施的重要组成部分，其健康状况直接关系到城市的运行效率和居民的出行安全。坑洼路面作为道路病害的一种常见形式，不仅影响行车舒适性，更可能导致交通事故，增加维护成本。因此，及时准确地检测并修复坑洼路面，对于保障道路交通安全、延长道路使用寿命、提升城市形象具有重要意义。

传统的道路检测方法，如人工巡检和车载检测设备，存在效率低下、成本高昂、数据采集不全面等问题。随着计算机视觉技术的发展，尤其是深度学习在图像识别领域的突破，基于人工智能的自动化道路检测系统应运而生。YOLO（You Only Look Once）系列算法以其速度快、精度高的特点，在目标检测领域占据重要地位。YOLOv8作为以其卓越的性能和准确性，为坑洼路面检测提供了新的解决方案。

本系统旨在利用YOLOv8算法开发一套坑洼路面检测系统，通过实时分析道路图像，自动识别并标记路面的坑洼区域，为道路维护部门提供决策支持。该系统的研发，不仅能够提高道路检测的效率和准确性，还能减少人工巡检的风险和成本，对于提升城市智能化管理水平、构建智慧城市具有重要的推动作用。

软件介绍：

软件由微智启软件工作室基于yolov8目标检测+pyside6可视化源码库开发，运行在window系统，项目的尺寸是固定1489x759像素，推荐在1920x1080像素环境下使用，安装环境后，可以在pycharm或者vscode编辑器运行检测，推荐安装GPU版（有英伟达显卡）环境。可以拖动到Qt编辑器，自定义修改样式。

项目介绍：

该项目文件包含python代码、ui界面源文件、坑洼路面数据集（数据集详情看下文）+yolov8训练好的模型

①程序中图片和图标的存放位置，可以如果想快速替换里面的图片或者图标。只需把同名（以及后缀名）的图片，放到icon中替换即可。

②运行检测后结果的保存位置，每启动检测一次，就会在runs文件夹中生成一个新的文件夹

③yolov8的核心检测代码（官方原版代码）

④当程序启动时，会从config.json中加载数据，里面存放着上一次的测试信息（包含conf、iou、weights权重的路径，是否保存结果）。当程序关闭时，也会把当前的配置信息，重新存入config.json中。

⑤运行项目所需python库版本信息

⑥wzq.py是程序启动的入口，安装好环境依赖后，右键运行wzq.py启动程序

⑦它是ui文件（yolov8Qt.ui）通过pyside6转换成python代码得到的，也是图形化界面的代码

⑧图形化界面的ui源文件，可以拖动到qt编辑器修改界面，修改保存后，通过pyside6转成python代码（也就是替换之前的⑦的yolov8Qt.py文件），重新运行wzq.py就能看到新的图形界面

⑨和⑩是程序⑥（wzq.py）的两个类，它们分别是

1. 【class MyThread】，它负责进行对测试资源进行推理，画框等操作，也就是检测的主要逻辑代码，检测完毕后通过信号槽发送数据给【class MainWindow】类显示到窗口。
2. 【class MainWindow】主要是图形化界面的一些方法，负责连接图形界面的一些按钮事件，绑定对应的方法，点击按钮后，执行什么操作由它控制。

为了方便阅读，把模型原有的英文标签名称修改成了中文的，如需原有英文，可以使用原有方案（上方注释的代码）。或者修改成自己想要的名称。

检测数据类型

1. 图片（单图检测）
2. 视频（mp4等离线视频）
3. 电脑摄像头（例如USB或者笔记本自带摄像头）
4. 文件夹（图片批量检测）

项目功能

1. 默认提供模型，该模型是使用yolov8训练了200轮得到的，模型和数据集的具体详情，查看下方介绍
2. 支持同时显示检测结果图和原图，方便对比
3. 提供了暂停/终止检测功能
4. 提供检测进度条显示，掌控检测进度
5. 实时统计当前帧检测到的数量
6. 实时统计当前帧检测所消耗的时间（毫秒为单位）
7. 支持动态调整conf（置信度）、iou的值，以及是否保存检测结果（结果默认生成在runs文件夹）
8. 对检测到的类别，会进行分类统计，实时显示在右下角

项目运行指南

一、视频教程

anaconda和pycharm加载项目视频教程：  

项目环境依赖视频教程：   

二、图文教程

1、在anaconda创建独立虚拟环境

conda create -n pothole python=3.8

2、在pycharm加载项目，添加刚刚创建的解释器，在终端运行如下代码

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

注：如想安装GPU版环境，需要先删除requestments.txt里面的torch和torchvision项，否则默认是CPU版环境

3、安装完环境后，右键运行wzq.py文件启动（如果是安装GPU版，需要执行第4步才能运行）

4、如果在上述步骤2中删除了torch和torchvision项，想安装GPU版环境，执行下方命令安装GPU版pytorch

conda install pytorch==1.11.0 torchvisinotallow==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

运行检测效果图

界面样式修改

提供了ui源文件，可以拖动到Qt编辑器中自定义修改颜色界面样式，具体的修改方法，可以参考：https://blog.csdn.net/wzqgzs/article/details/151545144  

数据集介绍

这个是路面坑洼缺陷数据集，已经划分好训练集和验证集分别是731和183张，标注的名称是：pothole

全部数据集已经标注并且是txt格式，可以直接用于yolo目标检测的训练。

以下是使用yolov8训练200轮的结果，训练好的pt模型，已经放到项目下

源码获取

点击底部卡片联系获取