提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

在山地与道路巡检场景中，边坡滑坡往往具有突发性强、演化快、影响范围难以第一时间准确判定的特点。相比传统地面勘查或固定监测点，无人机具备机动灵活、覆盖范围大、可低空斜视获取细节等优势，能够在“日常巡检—灾害早期迹象—应急响应”全链条中提供高分辨率影像证据。尤其是斜视（oblique-view）航拍能更直观地呈现坡面裂缝、局部塌落、松散堆积体、植被扰动等与滑坡相关的关键表征，为后续的自动化识别（检测/分割）、灾害范围提取、危险等级判读提供数据基础。因此，从“无人机边坡滑坡检测”的角度出发，构建与真实巡检视角一致的影像数据与标注体系，是推动滑坡智能识别落地的核心前提。

一、Hong Kong UAV Landslide

Roboflow Universe 上分析的公开数据集 Hong Kong UAV landslide/damage
https://universe.roboflow.com/landslide-iyyhc/hong-kong-reports-21mar
数据以无人机斜视航拍（UAV oblique-view）为主，面向山地—城市/道路过渡带的边坡滑坡/崩塌灾害场景**，整体更贴近实际日常巡检时的拍摄角度与目标尺度。该项目在平台上以实例分割（Instance Segmentation）形式发布，当前规模约 207 张标注影像，并带有与滑坡相关的标注/标签（页面显示的类别/标签包含 landslide 及其细分描述，如 debris、scar 等）。

二、数据形式

1.示例

其中landslide scar（绿色）——滑坡“伤疤 / 源区”：山体被掏空、被撕掉那一块的“伤疤”，也叫滑坡源区、滑坡后缘/滑动面裸露区、
landslide debris（紫色）——滑坡“堆积体 / 冲下来的东西”：从上面滑下来的土石、树木，最后堆积在中下部或坡脚的那团东西，叫滑坡堆积体、滑坡物质
标签按照txt的多边形的定点的形式存储，直接读取即可

总结

具体数据可以访问Roboflow直接访问下载，如果觉得太麻烦可以直接到我分享的资源中下载，或者是邮件联系我即可，欢迎交流讨论