阿莱克西斯1. 数据集概览与核心价值
这个由无人机采集的泥石流检测数据集，是目前公开领域中少有的专注于地质灾害场景的视觉数据集。我在处理地质灾害预警项目时，曾苦于缺乏高质量的标注数据，直到发现这个宝藏资源。数据集包含21,214张1280×720分辨率的航拍图像，覆盖清水、泥石流、大石块和泥水四类目标，总计71,411个标注框，为灾害监测算法开发提供了扎实的数据基础。
数据集最显著的特点是同时提供Pascal VOC和YOLO两种标注格式。VOC格式的XML文件包含完整的图像元数据和边界框坐标，适合需要详细标注信息的训练框架；而YOLO格式的txt文件则采用归一化坐标，直接适配Darknet等YOLO系列训练流程。这种双格式设计让研究者可以立即投入模型训练，无需额外处理标注转换。
关键细节：YOLO格式的类别顺序以labels/classes.txt为准，而非原始说明中的顺序。这是实际使用时最容易踩的坑——我曾因忽略这点导致模型将泥石流误识别为清水，浪费了整整两天的训练时间。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据采集与标注解析
2.1 无人机采集参数详解
数据集使用DJI Mavic 3无人机在20-50米高度拍摄，镜头俯角保持在60-90°之间。这种配置产生了极具实用价值的顶视角：
- 高度选择：20米高度可捕捉约10m×6m的地表区域（根据720p画幅和94°视场角计算），适合识别中型石块和流体边界；50米高度则扩展至25m×15m，利于观察泥石流整体运动趋势
- 角度控制：大于60°的俯角有效避免了植被遮挡，使地面目标轮廓更清晰。实测显示，当俯角小于45°时，石块阴影会严重干扰泥水边界的识别
2.2 标注规范与质量验证
标注采用labelImg工具手动绘制矩形框，经抽样检查发现以下特点：
- 边界精度：泥石流边缘标注通常外扩5-10像素，符合流体边界模糊的特性
- 遮挡处理：被部分遮挡的大石块仍会完整标注，但会添加
<occluded>1</occluded>的VOC标签 - 小目标策略：小于20×20像素的泥水区域不标注，避免引入噪声
标注分布呈现明显长尾特性（单位：框数）：
| 类别 | 训练集 | 验证集 | 测试集 |
|------------|--------|-------