摘要
可靠识别钢筋混凝土缺陷（Reinforced Concrete Defects, RCDs）对于评估混凝土桥梁的结构完整性、交通安全以及长期耐久性具有至关重要的作用，而混凝土桥梁是目前全球最常见的桥梁类型。然而，现有的RCD识别数据集在规模和类别多样性方面均较为有限，这使其在真实场景中的应用可行性受到质疑，同时也削弱了其作为基准数据集的代表性。针对这一问题，我们提出了“dacl10k”——一个面向多标签语义分割任务的、具有极高多样性的RCD数据集，包含9,920张来自真实桥梁检测场景的图像。dacl10k共划分出12类损伤类型，以及6类在桥梁评估与决策建议（如修复工程、交通荷载限制或桥梁封闭）中起关键作用的桥梁构件。此外，我们还对dacl10k数据集进行了基线模型的构建与评估，其中表现最佳的模型在测试集上的平均交并比（mean Intersection-over-Union）达到0.42。dacl10k及其配套基线模型将对研究者与工程实践人员全面开放，目前该数据集在图像数量与类别多样性方面，已成为桥梁检测领域语义分割任务中规模最大的公开数据集。