铁路障碍物目标检测数据集（5500+张已标注图像）| 适用于YOLO/Mask R-CNN/Detectron2训练的AI视觉数据集

在计算机视觉技术不断发展的今天，目标检测与实例分割技术已经广泛应用于交通安全、工业检测、智慧城市以及智能巡检等多个领域。其中，铁路作为国家重要的基础交通设施，其安全稳定运行对于社会经济发展具有极其重要的意义。

然而，在实际运营过程中，铁路沿线环境复杂，落石、倒树、杂物侵入轨道等障碍物经常成为影响列车运行安全的重要隐患。传统的铁路巡检主要依赖人工巡检或简单监控方式，不仅效率较低，而且在复杂环境下难以及时发现潜在风险。

随着人工智能技术的发展，基于深度学习的铁路视觉检测系统正在成为铁路安全监测的重要技术方向。

数据集下载

通过网盘分享的文件：铁路障碍物数据集
链接: https://pan.baidu.com/s/1KPKU9twK1EB-m49kAlNOZA?pwd=pepc 提取码: pepc

因此，本篇文章将为大家详细介绍一个专门面向铁路视觉检测任务构建的高质量数据集：

铁路障碍物目标检测数据集（5500+高质量标注图像）

该数据集可直接用于训练主流视觉模型，如 YOLO系列、Mask R-CNN、Detectron2 等目标检测或实例分割算法，非常适合用于科研、项目开发以及算法验证。

接下来，我们将从数据集背景、数据集结构、类别信息、数据特点、应用场景以及个人心得等多个方面进行全面介绍。

一、数据集概述

本数据集为 铁路障碍物目标检测 / 实例分割数据集，共包含 5500+ 张高质量标注图像，主要面向铁路沿线安全监测与智能巡检任务构建。

数据集中包含铁路线路附近常见的自然障碍物，通过精细化标注实现对关键目标的精准识别与分割，可用于：

• 目标检测模型训练
• 实例分割算法研究
• 智能巡检系统开发
• 视觉算法性能测试
• 铁路安全监控系统构建
  

为了方便用户直接使用，本数据集已经按照标准机器学习数据组织方式进行了完整划分：

• 训练集（Train）
• 验证集（Validation）
• 测试集（Test）

同时采用统一规范的数据目录结构组织，使其能够直接接入主流深度学习框架进行训练与评估。

该数据集对于以下算法框架具有良好的兼容性：

• YOLOv5 / YOLOv7 / YOLOv8
• Mask R-CNN
• Detectron2
• MMDetection
• PaddleDetection

无论是用于目标检测任务还是实例分割任务，该数据集都能够提供良好的训练数据支持。

二、背景

在铁路运输系统中，轨道安全始终是保障列车正常运行的核心问题。

铁路线路往往跨越山区、森林、河谷以及复杂地形区域，因此在日常运行中，经常会出现多种潜在的障碍物风险，例如：

• 山区落石
• 树木倒伏
• 边坡滑坡
• 植被侵入轨道
• 散落石块

这些障碍物一旦进入铁路线路区域，可能带来严重后果，例如：

• 影响列车运行安全
• 导致紧急停车
• 引发交通事故
• 造成铁路设备损坏

传统铁路巡检主要依赖以下方式：

1. 人工巡检
2. 巡检车检测
3. 固定监控设备

然而这些方式普遍存在一些问题：

• 巡检效率低
• 监测范围有限
• 无法实现全天候实时监控
• 对突发情况反应不及时

近年来，随着无人机巡检、轨道机器人巡检以及智能视觉识别技术的发展，越来越多的铁路系统开始引入基于深度学习的视觉检测系统。

利用计算机视觉算法，可以实现：

• 自动识别轨道障碍物
• 实时检测潜在风险
• 自动报警预警
• 辅助铁路运维决策

而高质量的数据集，正是训练这些智能系统的基础。

本数据集正是在这样的背景下构建的，专门用于支持铁路障碍物视觉识别算法研究与应用开发。

三、数据集详情

1 数据规模

本数据集包含：

5500+ 张高质量标注图像

图像来源涵盖多种铁路环境场景，例如：

• 山区铁路
• 城市铁路
• 郊区铁路
• 隧道口区域
• 边坡区域

所有图像均进行了严格筛选与标注，确保数据质量。

2 数据划分

为了符合机器学习训练规范，数据集已划分为：

这种划分方式可以有效避免：

• 数据泄漏
• 过拟合问题
• 模型评估偏差

同时也符合主流深度学习框架的训练流程。

3 数据集目录结构

数据集采用标准化目录结构：

├── images/
│   ├── train/
│   ├── val/
│   └── test/
└── labels/
    ├── train/
    ├── val/
    └── test/

其中：

images

用于存放原始图像数据。

labels

用于存放对应的标注文件。

这种结构非常适合直接用于 YOLO系列模型训练。

例如：

images/train/xxx.jpg
labels/train/xxx.txt

每张图片都对应一个标注文件。

4 类别信息

数据集包含 4 个类别：

nc: 4
names:
- fallen-tree
- generic-rock
- generic-tree
- rock

类别说明

1 fallen-tree

倒下的树木。

这类目标通常由于：

• 暴雨
• 台风
• 山区滑坡

导致树木倒伏侵入铁路轨道区域。

是铁路安全的重要隐患。

2 generic-rock

普通岩石或散落石块。

这些岩石可能来自：

• 边坡滑落
• 山体风化
• 工程施工残留

虽然体积较小，但在高速铁路环境下仍可能带来风险。

3 generic-tree

普通树木或轨道附近植被。

用于识别铁路沿线植被情况，可用于：

• 植被监测
• 轨道环境评估

4 rock

较大岩石或潜在落石目标。

这类目标通常具有较大的体积，属于高风险障碍物。

需要及时识别并进行预警。

四、数据特点

相比普通目标检测数据集，本数据集具有多个显著特点。

1 多类别铁路障碍物

数据集覆盖铁路沿线典型自然障碍物：

• 倒树
• 岩石
• 植被
• 落石

有助于构建多类别识别模型。

2 复杂环境条件

数据集中包含多种复杂环境情况，例如：

• 强光环境
• 逆光环境
• 隧道弱光
• 雨天
• 雪天
• 雾霾天气

这使得训练得到的模型具有更强的环境适应能力。

3 复杂背景干扰

铁路场景中存在大量复杂背景，例如：

• 铁轨
• 扣件
• 接触网
• 路基
• 边坡
• 植被遮挡

这些因素都会影响视觉检测算法。

数据集通过真实场景采集，使模型能够适应复杂环境。

4 多视角数据

图像采集角度多样，例如：

• 轨道侧视角
• 高空无人机视角
• 巡检车辆视角
• 远距离监控视角

不同视角有助于提升模型的泛化能力。

5 高质量标注

所有目标均进行了精准标注：

• 目标位置
• 类别信息
• 清晰边界

可用于：

• 目标检测
• 实例分割
• 目标定位

保证模型训练效果。

五、适用场景

该数据集可广泛应用于多个领域。

1 铁路智能巡检系统

通过训练视觉模型，可以实现：

• 自动识别轨道障碍物
• 实时监控铁路环境
• 自动报警预警

大幅提升巡检效率。

2 无人机铁路巡检

无人机巡检正在成为铁路巡检的重要方式。

通过搭载视觉识别算法，可以实现：

• 自动检测落石
• 自动识别倒树
• 实时环境监测

减少人工巡检成本。

3 铁路障碍物检测

利用目标检测模型，可以实现：

• 障碍物自动识别
• 风险等级评估
• 智能预警系统

保障列车运行安全。

4 自然灾害监测

该数据集还可用于研究：

• 落石检测
• 山体滑坡风险识别
• 植被侵入轨道监测

用于自然灾害预警系统。

5 智慧铁路系统

在智慧铁路建设中，视觉识别技术可以应用于：

• 自动巡检
• 智能监控
• 运维管理
• 风险评估

推动铁路系统智能化升级。

六、心得

在构建视觉数据集的过程中，我深刻体会到一个问题：

数据质量往往比模型结构更加重要。

很多时候，一个优秀的数据集能够显著提升模型性能。

在铁路场景中，由于环境复杂，如果数据集质量不足，模型往往难以泛化。

因此，在构建本数据集时，我们重点关注以下几个方面：

• 数据多样性
• 场景复杂度
• 标注准确性
• 类别均衡

通过这些方式，使数据集更加接近真实铁路环境。

同时，该数据集不仅适用于实际项目开发，也非常适合：

• 深度学习课程实验
• 目标检测算法研究
• AI工程项目练习

对于想要学习 YOLO 目标检测 或 实例分割技术 的开发者来说，这是一个非常合适的实践数据集。

七、结语

随着人工智能技术的不断发展，计算机视觉正在深刻改变传统铁路巡检模式。

通过深度学习算法，我们可以实现：

• 自动检测铁路障碍物
• 实时监控轨道环境
• 智能预警安全风险

而高质量数据集正是这一切的基础。

本文介绍的 铁路障碍物目标检测数据集（5500+标注图像），专门面向铁路安全监测场景构建，适用于多种视觉算法训练。

无论是用于科研实验、算法研究，还是工程项目开发，该数据集都具有很高的应用价值。

未来，随着更多AI技术的落地，铁路巡检将逐步向：

智能化、自动化、数字化

方向发展，为铁路安全运营提供更强大的技术支撑。

如果你正在研究：

• 目标检测
• 实例分割
• 智能巡检
• 铁路视觉识别

那么这个数据集将会是一个非常不错的训练资源。

Photo by James Lee on Pexels

一个决定

一开年，OpenClaw 突然在技术圈出圈了。

这是一个自托管的 AI agent 网关，装在服务器上，能把 Telegram、WhatsApp、iMessage 这些聊天软件直接接到 AI agent——发一条消息，agent 帮你处理邮件、文件、代码，像个永远在线的私人助理。

出于好奇，1 月底我也装了一个。

最初装在 MacBook 上，但考虑到隐私安全，本地机器上有太多个人数据，不想让 agent 有过多访问权限，索性找了一台公有云的 Ubuntu 虚拟机，把它部署上去。模型用的是 GitHub Copilot，这得益于微软 MVP 赠送的 Copilot Pro 订阅，算是物尽其用。

就这样，第一个 agent 上线了。后来随着使用深入，发现有些事情需要专注写代码的，有些只需要轻量协助，agent 数量从 1 个慢慢加到了 3 个：Nova 管日常，Forge 专门写代码，assistant 跑腿打杂。

38 天后，来盘一盘这三个 " 员工 " 到底替我干了什么。

Nova：我的数字管家

如果要给 Nova 一个职位描述，大概是 " 全栈打杂 "——但这个打杂的含金量还挺高。

开发

这 38 天里，几个开源项目的维护和推进，Nova 都参与了：

• obsidian-image-upload-toolkit：实现 Backblaze B2 存储支持，监控 GitHub Actions 构建、回复 issue
• Nexus MCP Server：从零到发布，设计、编码、写测试（42/42 通过）、发布到 GitHub、Docker Hub、PyPI，全流程跑完
• Spring Boot 2→3 迁移工具包：调研 OpenRewrite Recipe-First 方法论，整理迁移流程，自动化率达 85-90%。对应博客

博客

博客的产出流程是：我提供方向和素材，Nova 帮我整理研究材料和 review，给出调整建议。最终文字还是自己写的，但有个随时可以讨论的 " 编辑 " 在旁边，效率高了不少。

造工具

这部分最让我惊喜。Nova 帮我开发了一批 skill（OpenClaw 的插件机制），开源在 openclaw-forge：

• daily-briefing：每天早 7 点自动推送天气、待办、Hacker News Top 20 到 Telegram，睁眼就有今日概览
• google-tasks：接入 Google Tasks，支持 token 自动刷新
• tech-doc-translator：中英技术文档互译
• research-prep：技术写作前的素材整理
• quick-capture：快速记录想法到 Obsidian

杂活

微软 MVP 每年 renewal 需要手动提交博客到 Portal，繁琐却绕不开。Nova 帮我优化了脚本，一次性批量提交了 44 篇文章，还顺手修了分类填错的问题。

Forge：我的编程搭档

Forge 是后期专门为 coding 场景搭建的 agent，Python 优先，风格务实。

搭好之后，我拿两个真实项目来磨合它。

一是把 Android 断食追踪 App 从头重写一遍（原生 Kotlin + Jetpack Compose）——核心功能、通知系统、多语言国际化，到单元测试和 UI 集成测试，基本都是 Forge 主力完成。

二是 Feed Pulse，一个 Telegram RSS 订阅机器人。取消了 Readwise Reader 订阅之后，还保留着 RSS 阅读习惯，索性让 Forge 做一个完全符合自己偏好的替代品，省下一笔订阅费。

除了写代码，Forge 也参与技术决策。比如一起做过 ZTM（ClawParty）Android 版本的可行性分析，最终决定暂时搁置——" 分析清楚再决定不做 "，这本身也是一种产出。

磨合下来的感受——Forge 更像执行力很强的工程师，需求交代清楚就能干得不错；但架构决策和踩坑经验，还是得自己来把关。

Assistant：全家的打杂 agent

Assistant 是三个 agent 里定位最轻量的，处理不需要深度 coding 能力的协作任务。

主要是协助组织了 GitHub Copilot Dev Days 广州 的筹备工作——CFP 征集文案的撰写、海报制作。

但 Assistant 的 " 客户 " 不只是我。我太太做 HR，偶尔也会把工作数据扔过来——人力成本数据整理、计划总结。它不挑活，照单全收。

结果这一用，太太被直接俘获了，我也顺手帮她搭了一套。

OpenClaw 的杀手锏，原来是家庭渗透。

横向复盘

安全第一

把 OpenClaw 部署在公有云而不是本地，核心原因就是隐私安全。本地机器上有太多个人数据，不想给 agent 过多接触的机会。

虚拟机上只给必要权限，机器不对外暴露端口，SSH 以外外部无法直连。Agent 能力越强，边界就越重要——我不介意它帮我干活，但它在哪里运行、能碰什么、不能碰什么，我需要心里有数。

适合外包的

重复性强、输出明确的任务：批量处理、数据整理、写脚本，交给它，自己去干别的。

有明确规格的功能开发：输入输出定清楚，Forge 能独立完成一个功能的完整实现，测试和文档一起补。

需要自己把关的

对外发布的内容，最终还是要自己过一遍。Agent 能做大部分，但剩下的那些往往是最能体现个人风格和判断的地方。架构决策类似——用来讨论和分析可以，但不能完全交托。

一个意外的发现

AI agent 正在让 " 自己造 " 这件事变得可行。

以前付费订阅某个工具，往往不是因为需求有多复杂，而是 " 自己做太麻烦 "。现在这个理由越来越站不住脚了。Feed Pulse 就是一个例子——花几个小时，做出一个完全符合自己偏好的 RSS 阅读器，顺手省了一笔订阅费。

这个逻辑，正在被 AI agent 一点一点打破。

值得吗？

值得。

不是因为它完美，而是因为它改变了我处理事情的方式。很多以前会拖着不做的事——写脚本、整理数据、推进项目——现在有了一个随时可以协作的对象，反而做成了。

38 天，三个 agent，这只龙虾，算是正式入职了。

DBeaver Ultimate Edtion 26.0 Multilingual (macOS, Linux, Windows) - 通用数据库工具

One tool for all data sources

请访问原文链接：https://sysin.org/blog/dbeaver/ 查看最新版。原创作品，转载请保留出处。

作者主页：sysin.org

通用数据库工具

DBeaver 是一个通用的数据库管理工具，适用于需要以专业方式处理数据的每个人。使用 DBeaver，您可以像在常规电子表格中一样处理数据，根据来自不同数据存储的记录创建分析报告，以适当的格式导出信息 (sysin)。对于高级数据库用户，DBeaver 建议使用强大的 SQL 编辑器、大量管理功能、数据和模式迁移能力、监控数据库连接会话等等。开箱即用的 DBeaver 支持 100 多种数据库。

DBeaver 26 新增功能

DBeaver 26.0

2026 年 3 月 12 日

你的 AI 工具现在可以直接与数据库对话。DBeaver PRO 26.0 新增对 MCP servers 的支持、一个名为 dbvr 的全新命令行工具，以及一种通过 AWS Marketplace 获取 DBeaver 的更简单方式。

将 AI 工具和 IDE 连接到你的数据库

现在你可以使用 MCP (Model Context Protocol) 将 AI 助手和 IDE 连接到你的数据库。CloudBeaver Enterprise、CloudBeaver AWS 和 DBeaver Team Edition Web 都可以作为 MCP servers 运行。

如果没有 MCP，IDE 中的 AI 助手无法看到数据库结构，因此给出的建议通常比较通用 (sysin)。而通过 MCP，你的 AI 可以连接到服务器并使用真实的元数据：实际的表名、列以及表之间的关系。它还可以直接执行查询，同时仍然遵循团队已经配置好的访问权限和连接设置。

要进行设置，管理员需要在 Administration panel 中启用该功能，并为单个连接开启 MCP。之后，任何拥有该连接访问权限的用户都可以将现成的配置片段复制到自己的 IDE 中。

你可以在 MCP Server documentation 中查看设置说明：https://dbeaver.com/docs/cloudbeaver/Model-Context-Protocol-Server/

DBeaver Ultimate 现在已登陆 AWS Marketplace

如果你已经在 AWS 中工作，现在可以直接通过 AWS Marketplace 获取 Windows 版本 和 Linux 版本 的 DBeaver Ultimate。

这是 DBeaver 最强大的桌面版本之一，集成了高级数据管理功能、跨 AWS、GCP 和 Azure 的云数据库连接能力，以及完整的 SQL 开发工具集。Marketplace 版本会作为每个用户的独立实例运行在你的 AWS 基础设施中，并使用现有的云环境。

无需导入 license 文件，也不需要在本地安装 (sysin)。如果你的组织因为合规政策不允许在本地机器上安装软件，这会是一个非常直接的解决方案。

如果你的组织已经与 AWS 有商业协议，购买过程也非常简单。DBeaver Ultimate 采用 AWS Marketplace 标准许可证 分发，因此无需额外的法律审查。如果你通过 Marketplace credits 或 reseller 购买，也可以直接纳入现有流程，而不需要额外步骤。同时，无论通过哪种方式订阅，都包含 priority support。

CloudBeaver AWS（为 AWS 定制的 Web 应用）也已在 AWS Marketplace 提供，为以浏览器方式工作的团队提供相同的采购优势。

使用审计日志跟踪团队活动

对于需要满足安全或合规要求的团队，现在可以获得整个平台的完整审计记录。

CloudBeaver Enterprise 和 DBeaver Team Edition 中的 Audit logging 可以为管理员提供完整的、带时间戳的用户活动记录，使调查事件和追踪操作来源变得更加容易 (sysin)。

该功能默认关闭。指定的管理员可以在 Administration panel 中随时启用，以开始收集日志。

启用后，它可以记录广泛的事件，包括：

• 身份认证
• 项目和连接变更
• SQL 和文件操作
• 云存储活动
• 许可证和服务器配置更新
• 偏好设置变更
• 用户与团队管理操作

管理员可以在 Administration panel 中直接查看日志，并通过查询内部数据库或使用 REST API 导出日志，从而方便地将审计数据接入现有的监控或合规工具。

介绍 dbvr：新的数据库命令行工具

本次发布还推出了 DBeaver 产品家族中的一个新产品。dbvr 是一个轻量级 CLI，用于在没有图形界面的情况下执行数据库操作。

如果你在 headless environments、CI/CD pipelines 或 server-side workflows 中工作，它可以作为一个统一工具，通过命令行完成以下任务：

• 执行 SQL 脚本
• 将查询结果导出到云存储（S3、GCS 或 Azure Storage）
• 执行备份验证检查

它支持多种 SQL 和 NoSQL 数据库，因此无需为不同数据库维护多个 CLI 工具。同时还支持 AWS、GCP 和 Azure 的原生认证机制，可以很好地融入云基础设施环境。

DBeaver PRO 桌面版的更多更新

26.0 版本还为桌面体验带来了一些改进：

• 可以直接将文件上传到 AI Chat，以表格形式预览或导入到数据库中。还可以从聊天中直接运行常用 DBeaver 工具，例如数据传输、数据比较、数据导出、schema 比较、创建连接以及打开编辑器 (sysin)。
• 可以为 AI 引擎配置自定义指令，并通过内置统计功能跟踪使用情况，例如每次请求的 token 消耗和执行时间。
• 更快地执行多条查询，并支持更智能的数据分组。
• 在 Data Compare 工具中可以同时比较多组对象。

下载地址

MacOS DMG - just run it and drag-n-drop DBeaver into Applications.
Debian package - run sudo dpkg -i dbeaver-<version>.deb. Then execute “dbeaver &”.
RPM package - run sudo rpm -ivh dbeaver-<version>.rpm. Then execute “dbeaver &”. Note: to upgrade use “-Uvh” parameter.
ZIP archive - extract archive and run “dbeaver” executable. Do not extract archive over previous version (remove previous version before install).
Windows installer - run installer executable. It will automatically upgrade version (if needed).

DBeaver Ultimate Edtion 26.0 Multilingual (macOS, Linux, Windows), 2026-03-12

• 请访问：https://sysin.org/blog/dbeaver/

更多：macOS 下载汇总 (系统、应用和教程)

如果说Flexbox是“一维战神”，擅长排排坐，那Grid就是“二维霸主”，能同时操控行和列。今天我们就来下这盘“布局围棋”，用网格思想彻底重构网页，让复杂布局变得像填格子一样简单。

前言

还记得小时候玩的方格本吗？一行一行，一列一列，规规矩矩。Grid布局就是把这种“方格本”思维带到了CSS里。你可以在页面上画出任意行、任意列，然后把元素放进去，想放哪格放哪格，甚至可以合并单元格——就像Excel表格，但比Excel灵活一万倍。

Grid是CSS布局的终极武器，尤其适合做页面整体架构、卡片墙、仪表盘这类需要同时控制行和列的场景。如果说Flexbox是特种兵，擅长单兵作战，那Grid就是指挥官，能调动千军万马。

一、Grid的核心概念：容器与项目，行与列

和Flexbox类似，Grid也是作用于父容器和直接子项目。只要在父元素上设置display: grid或display: inline-grid，你就开启了一个网格世界。

.container {
  display: grid;
}

默认情况下，网格只有一列，行高由内容决定。要真正“画”出网格，你需要用grid-template-rows和grid-template-columns定义行和列。

二、定义网格：画出你的棋盘

1. 固定行高和列宽

你可以用各种单位定义行列的尺寸，比如像素、百分比、em等。

.container {
  display: grid;
  grid-template-columns: 200px 200px 200px;  /* 三列，每列200px */
  grid-template-rows: 100px 150px;           /* 两行，第一行100px，第二行150px */
}

这样你就画了一个3列2行的网格，一共6个格子。项目会按顺序自动填充每个格子，就像表格里从左到右、从上到下填数据一样。

2. fr单位：分蛋糕神器

Grid引入了fr单位（fraction的缩写），表示剩余空间的比例分配。这比Flexbox的flex-grow更直观。

.container {
  display: grid;
  grid-template-columns: 1fr 2fr 1fr;  /* 三列，中间占两份，两边各占一份 */
}

如果父容器宽度是1200px，那么第一列占300px，第二列600px，第三列300px。fr可以和固定单位混用，比如200px 1fr 2fr，浏览器会先分配200px，剩下的按比例分。

3. repeat() 函数：偷懒必备

如果你要定义很多等宽的列，手动写很累。repeat()函数来救场。

.container {
  grid-template-columns: repeat(3, 1fr);  /* 三列等宽，相当于 1fr 1fr 1fr */
  grid-template-rows: repeat(4, 100px);   /* 四行，每行100px */
}

repeat()还可以组合不同模式，比如repeat(2, 100px 1fr)表示重复两次“100px 1fr”的序列，最终得到四列：100px、1fr、100px、1fr。

4. minmax()：给尺寸一个范围

有时候我们希望列宽能在一定范围内弹性变化，比如最小200px，最大自适应。minmax()搞定。

.container {
  grid-template-columns: minmax(200px, 1fr) 2fr;  /* 第一列最小200px，可以放大到1fr，第二列固定2fr */
}

5. auto-fill 与 auto-fit：响应式利器

当列数不确定时，可以用auto-fill或auto-fit配合minmax实现类似“流动布局”的效果。

• auto-fill：尽可能多地填充列，即使某些列是空的。
• auto-fit：也是尽可能多地填充，但会把空列收缩为0，让有内容的列伸展。

.container {
  display: grid;
  grid-template-columns: repeat(auto-fit, minmax(200px, 1fr));
}

这段代码的意思是：每列最小200px，如果容器足够宽，就放尽可能多的列，并且每列等宽；当容器变窄时，列数自动减少，每列仍不小于200px。这就是纯CSS实现的响应式卡片墙！

三、网格线：定位的坐标系

每个网格都由网格线划分。比如3列有4条纵向网格线（从1开始编号），2行有3条横向网格线。你可以用这些线来精确放置项目。

.item {
  grid-column-start: 1;
  grid-column-end: 3;   /* 从第1条纵向线跨到第3条线，即占据前两列 */
  grid-row-start: 1;
  grid-row-end: 3;      /* 从第1条横向线跨到第3条线，即占据前两行 */
}

简写为：

.item {
  grid-column: 1 / 3;
  grid-row: 1 / 3;
}

也可以从哪条线开始，并指定跨度：

.item {
  grid-column: 1 / span 2;  /* 从第1列开始，跨2列，等同于1/3 */
  grid-row: 1 / span 2;
}

网格线也可以命名，比如grid-template-columns: [main-start] 1fr [main-end]，然后使用命名来定位。

四、网格区域：给格子起名字

如果你觉得用线编号不够直观，可以给网格区域命名。用grid-template-areas属性来划分区域。

.container {
  display: grid;
  grid-template-columns: 200px 1fr 200px;
  grid-template-rows: 100px 1fr 100px;
  grid-template-areas:
    "header header header"
    "sidebar content aside"
    "footer footer footer";
}
.header {
  grid-area: header;
}
.sidebar {
  grid-area: sidebar;
}
.content {
  grid-area: content;
}
.aside {
  grid-area: aside;
}
.footer {
  grid-area: footer;
}

这个布局清晰得像图纸一样，每个区域的名字直接对应一个网格单元格。注意，grid-template-areas里的每个单元格必须填满，不能有空洞；可以用.表示空单元格。

五、间距与对齐：让网格透气

1. 行列间距

用gap属性设置网格线之间的间距，可以分别设置行间距和列间距：

.container {
  gap: 20px;            /* 行列间距都是20px */
  row-gap: 10px;        /* 单独设置行间距 */
  column-gap: 15px;     /* 单独设置列间距 */
}

2. 项目在单元格内的对齐

项目默认填满整个单元格，但你可以控制它们的位置。

• justify-items：控制项目在单元格内水平方向的对齐（左中右）。
• align-items：控制项目在单元格内垂直方向的对齐（上中下）。
• 取值：start、end、center、stretch（默认）。

.container {
  justify-items: center;   /* 所有项目水平居中 */
  align-items: center;     /* 所有项目垂直居中 */
}

如果想单独控制某个项目，用justify-self和align-self。

3. 整个网格在容器内的对齐

如果网格的总尺寸小于容器，可以用justify-content和align-content控制网格整体的对齐，类似于Flexbox。

.container {
  justify-content: center;   /* 网格整体水平居中 */
  align-content: center;     /* 网格整体垂直居中 */
}

取值同样是start、end、center、space-between、space-around、space-evenly。

六、实战：用Grid搭建常见布局

1. 经典三栏布局（圣杯）

.container {
  display: grid;
  grid-template-columns: 200px 1fr 200px;
  gap: 20px;
}

就这么简单，三栏就出来了，而且中间自适应。

2. 响应式卡片墙

我们希望卡片最小200px，尽量填满容器，而且自动换行。

.container {
  display: grid;
  grid-template-columns: repeat(auto-fit, minmax(200px, 1fr));
  gap: 20px;
}

无论容器多宽，卡片都会自动调整列数，完美响应式。

3. 不规则布局：杂志风格

比如一个封面图占两列，下方三个卡片各占一列。

<div class="magazine">
  <div class="feature">封面大图</div>
  <div class="card">卡片1</div>
  <div class="card">卡片2</div>
  <div class="card">卡片3</div>
</div>

.magazine {
  display: grid;
  grid-template-columns: repeat(3, 1fr);
  gap: 20px;
}
.feature {
  grid-column: 1 / -1;  /* 从第一列线到最后一列线，即占满整行 */
}

-1表示最后一条网格线，很方便。

4. 后台管理仪表盘

后台常有复杂区域划分，用grid-template-areas最合适。

.dashboard {
  display: grid;
  grid-template-columns: 250px 1fr 300px;
  grid-template-rows: 80px 1fr 60px;
  grid-template-areas:
    "header header header"
    "sidebar main widgets"
    "footer footer footer";
  height: 100vh;
}

各区域对号入座，结构一目了然。

5. 叠加效果

Grid还可以让多个元素重叠。通过给它们设置相同的网格区域，然后利用z-index控制层级。

.container {
  display: grid;
  grid-template-columns: 1fr 1fr;
}
.item1 {
  grid-area: 1 / 1 / 2 / 3;  /* 占满整行 */
  background: red;
  z-index: 1;
}
.item2 {
  grid-area: 1 / 2 / 2 / 3;  /* 只占第二列 */
  background: blue;
  opacity: 0.5;
  z-index: 2;  /* 显示在上层 */
}

七、Grid vs Flexbox：怎么选？

很多人纠结什么时候用Grid，什么时候用Flexbox。其实很简单：

• Flexbox：一维布局，适合控制元素在一条线上的排列（导航、按钮组、等分列表）。
• Grid：二维布局，适合同时控制行和列（页面整体架构、卡片墙、仪表盘）。

它们不是替代关系，而是配合关系。你可以在Grid单元格里用Flexbox排列内部元素，也可以把Flexbox项目里再嵌套Grid。两者结合，天下无敌。

八、常见坑点与避坑指南

1. 默认不是严格的一行一列

如果只设置display: grid而不定义行列，默认只有一列，行数由项目数量决定（每个项目占一行）。所以一定要定义行列。

2. 项目会自动填充，但可能超出网格

如果项目数量超过网格单元格，会自动创建隐式网格（新行），行高默认auto。你可以用grid-auto-rows控制隐式行的高度。

.container {
  grid-auto-rows: 100px;  /* 隐式创建的行高100px */
}

3. fr 和 minmax 结合时注意死循环

minmax(200px, 1fr)的意思是：优先让列宽为1fr，但不会小于200px。这通常没问题，但如果你把所有列都设成这样，且容器总宽度小于列数*200px，就会出现溢出（因为每列都强制不小于200px）。这时可以改用auto-fit和minmax的巧妙组合，或者用max-width限制。

4. gap 会占用 fr 空间

间隙是在分配fr之前扣除的。比如三列1fr，gap 20px，那么每列实际宽度 = (容器宽度 - 40px) / 3。所以计算时要考虑间隙。

5. 网格线编号从1开始，不是0

这个容易搞错。不过可以用-1表示最后一条线，比较方便。

九、总结

Grid布局是CSS给前端开发者的一份大礼，它把网页布局变成了一种直观、可预测的体验。核心要点：

• 用grid-template-columns和grid-template-rows定义网格结构。
• 用fr、repeat()、minmax()灵活控制尺寸。
• 用grid-column/grid-row或grid-area放置项目。
• 用gap控制间距，用justify/align控制对齐。
• 用auto-fit和minmax实现响应式。
• 复杂布局用grid-template-areas命名，代码如设计图。

Grid不难，关键是多动手画格子。一旦你习惯了这种“下围棋”式的布局思维，你会发现以前那些棘手的布局都变成了填空题。

如果你喜欢这篇文章，欢迎点赞、收藏、分享。明天我们将进入CSS另一个重要话题——响应式设计与移动端适配，教你如何一套代码搞定手机、平板、电脑。

明日预告：响应式设计的核心：媒体查询、流式布局、移动端适配，从零构建一个全端兼容的页面。