En el campo de la visión por computadora, la detección de baches en la carretera por la noche representa un desafío crítico para mejorar la seguridad de los sistemas de transporte inteligentes. Asegurar la seguridad vial es de suma importancia, especialmente en la pronta reparación de problemas de baches en la carretera. Estas depresiones repentinas en la carretera pueden llevar fácilmente al deslizamiento del vehículo, pérdida de control e incluso accidentes de tráfico, especialmente cuando el agua se ha acumulado o sumergido en los baches. Por lo tanto, la detección y reconocimiento de baches en la carretera puede reducir significativamente los daños a los vehículos y la incidencia de incidentes de seguridad. Sin embargo, la investigación sobre la detección de baches en la carretera carece de conjuntos de datos anotados de alta calidad, especialmente bajo condiciones de poca luz por la noche. Para abordar este problema, este estudio presenta un nuevo Conjunto de Datos de Baches Nocturnos (NPD), recopilado de forma independiente y que consta de 3831 imágenes que capturan diversas variaciones de escenas. La construcción de este conjunto de datos tiene como objetivo contrarrestar la insuficiencia de los recursos de datos existentes y se esfuerza por proporcionar un punto de referencia más rico y realista. Además, desarrollamos un detector base, denominado WT-YOLOv8, para el conjunto de datos propuesto, basado en YOLOv8. También evaluamos el rendimiento del método mejorado WT-YOLOv8 y ocho métodos de detección de objetos de última generación en el NPD y el conjunto de datos COCO. Los resultados experimentales en el NPD demuestran que WT-YOLOv8 logra una mejora del 2.3% en la Precisión Promedio (mAP) sobre YOLOv8. En cuanto a las métricas clave-AP@0.5 y AP@0.75-muestra mejoras del 1.5% y 2.8%, respectivamente, en comparación con YOLOv8. Los resultados experimentales proporcionan información valiosa sobre las fortalezas y debilidades de cada método bajo condiciones de poca luz. Este análisis resalta la importancia de un conjunto de datos especializado para la detección de baches nocturnos y muestra variaciones en la precisión y robustez entre los métodos, enfatizando la necesidad de técnicas mejoradas de detección de baches nocturnos. Se espera que la introducción del NPD estimule más investigaciones, fomentando el desarrollo de algoritmos avanzados para la detección de baches nocturnos, lo que finalmente conducirá a un mantenimiento y seguridad vial más flexibles y confiables.