简介面向使用YOLO系列做目标检测的开发者与课程学习者资料提供真实场景下的安全帽、手套检测数据集共1000张高质量图片并附带标签划分脚本与训练教程可直接用于模型训练与项目实践。压缩包内含2000个文件以1000个xml标注、991个txt标签文件为主覆盖VOC、COCO、YOLO三种标签格式另有yaml配置、3个Python脚本和5个HTML图文教程分别负责数据配置、自动划分训练集/验证集/测试集及环境搭建讲解整体约50.13MB。数据均经LabelImg标注框选质量较高不同格式标签分目录存放省去手动转换与整理时间。已有544人学习下载适合需要安全帽、手套识别数据完成毕设、实训或算法验证的入门及进阶用户。1. 安全帽手套检测数据集1000张图够训练一个能上工的模型吗工地安全帽和手套检测最烦的不是模型选型而是数据从哪来。这个压缩包把1000张已标注图片、VOC/COCO/YOLO三种格式标签、划分脚本和训练教程打包在一起专给想最短时间跑通双类别检测Pipeline的人准备。我的结论先说1000张图做毕设、做POC、做算法验证够用要直接扛住现场长期运行还差一个扩充周期。好在它把格式转换和数据集划分这两件最耗时间的事提前干完你可以把精力集中在训练参数和部署推理上。适合三类人刚接触YOLO想跑通完整流程的初学者给工地监控做安全行为分析的一线工程师想评估「安全帽手套」检测方案是否值得投入的项目负责人。2. 拆包先看数据三种标注格式和划分脚本的设计逻辑2.1 训练前先做一次目录体检图片和标签要对得上拿到压缩包第一步不是急着解压跑训练而是把目录结构摸清楚。这种数据集包常见的组织方式是images目录放原始图片annotations目录放VOC格式的XMLlabels目录放YOLO格式的txt另外一处放COCO格式的JSON再加上一个划分脚本和一份train.txt/val.txt/test.txt。不管解压出来文件夹叫什么你只需要认准一件事每个集合里的图片数、XML数、JSON里的条目数、txt数必须一致。这个体检动作很多人跳过结果训练到一半发现val集里全是空标签mAP直接归零。我一般会用一段bash统计每个划分集合的文件数逻辑很简单但能挡住八成低级错误# 数据体检确认train/val/test的图片和YOLO标签数量一致 for split in train val test; do echo $split echo images: $(ls images/$split | wc -l) echo labels: $(ls labels_yolo/$split | wc -l) done这段命令依次取出train、val、test三个集合名分别统计对应目录下的图片文件和标签txt文件数量。两个数字对不上说明划分脚本执行时出了问题或者原始包里有文件缺失。常见诱因是文件名带中文或特殊字符导致脚本在move或copy阶段静默失败这种问题数据量小的时候完全看不出来等训练报错再回头找就很被动。除了数量还要看分辨率分布。安全帽手套检测大多面对监控画面图片可能从720P到4K不等。如果训练集绝大部分是1920×1080验证集里混进一批小尺寸截图模型在val上的表现会被明显拉低。建议用一段Python代码统计宽高分布如果存在多个量级统一缩放到同一分辨率再训练而不是让模型自己适应。2.2 VOC、COCO、YOLO三种标签格式的本质差异三种格式分开说很多新手在这上面翻车。VOC格式是XML文件每个目标用一个object节点描述bndbox子节点里存xmin、ymin、xmax、ymax这是像素坐标系下的绝对坐标记的是左上角和右下角两个点。COCO格式是JSON文件所有图片和标注信息集中在同一个大JSON里每个标注的bbox字段存[x, y, width, height]同样是像素绝对坐标但表达从「两点」变成「左上角加宽高」。YOLO格式最特殊每个目标是一行txt文本结构是class_id、x_center、y_center、width、height全部归一化到0到1之间跟图片实际像素尺寸解耦。为什么要有三种格式因为工具链不同。LabelImg默认导出VOC XMLLabelme和很多分割工具偏向COCO JSONYOLO官方训练流程直接读txt。这个数据集直接给齐三种格式意味着你无论选哪套训练工具都不用自己写转换脚本这是它最省时间的地方。格式存储形态坐标表示是否归一化VOCXML文件xmin/ymin/xmax/ymax绝对像素否COCOJSON文件x,y,width,height绝对像素否YOLOtxt文件x_center,y_center,width,height是0~1从VOC或COCO转YOLO时最容易犯的错是忘了归一化。有人直接把xmax减xmin得到的像素宽填进txt但YOLO训练时会按imgsz缩放绝对像素和非归一化坐标一旦混用框的位置会整体偏移。我自己写转换脚本的习惯是先写一个反向校验函数把txt里的归一化坐标还原成像素坐标跟原XML比对IoU小于0.99就报错。数据包既然带了三种格式训练前做一次同样的完全校验能挖出很多肉眼看不出的标注错位。2.3 划分脚本的两个关键设计随机种子和分层划分划分脚本的作用是把全量数据按比例拆成训练集、验证集有些场景还要单独的测试集。常见比例是8:1:1或9:0.5:0.5安全帽手套这种类别均衡的双类别任务8:1:1足够。脚本里最容易被忽略但最重要的东西是随机种子。不设随机种子每次运行脚本都会得到不同的划分结果。昨天训练用的val集和今天用的不一样模型对比就失去意义。做得好的划分脚本会在开头固定seed比如random.seed(42)并且在shuffle前按类别做分层。分层的含义是如果某个类别整体只占5%纯随机划分后它在val集里的占比可能被抽到1%验证结果就不能反映真实分布。分层划分会先按类别分组样本再在每个组内部按比例抽出val样本保证每个类别在三个集合里的占比和全量数据基本一致。这个数据包自带划分脚本你拿到后先确认它做没做这两件事。如果只是简单shuffle后切片建议自己补一层逻辑按图片来源去重。划分必须在图片层面进行不能把同一段监控视频里连续帧同时分进train和val否则模型等于开卷考试val指标会被高估一截到了现场立刻现原形。3. 跑通第一次训练从data.yaml到yolo损失曲线怎么读3.1 yolo环境配置先确认torch和cuda配对训练开始前先确认环境。YOLO训练一般基于ultralytics框架安装命令是pip install ultralytics它会同时拉起torch、opencv等依赖。机器带NVIDIA显卡的话先确认cuda驱动和torch版本匹配这是新手卡最久的一环。检查方式是在Python里执行python -c import torch; print(torch.cuda.is_available())返回True说明GPU可用返回False说明装成了CPU版torch或者cuda驱动没配对。CPU版不是不能训练但1000张图的双类别任务CPU跑100轮可能要一晚上GPU十几分钟就完事。环境配好之后尽量把训练文件和数据包放在同一台机器的固态盘上能明显缩短每个epoch的数据加载时间。环境没问题后下一步是写data.yaml。这个文件告诉训练框架数据在哪、有几个类别、类别名是什么。很多人在这里把类别顺序写错导致训练出来的模型标签全错位。# helmet_glove.yaml路径与解压位置对应即可 path: /data/helmet_glove train: images/train val: images/val test: images/test names: 0: helmet 1: glovepath是数据集根目录train和val指向相对根目录的图片文件夹路径test可以留空不写。names是类别字典注意索引必须和txt标签里的class_id一致。如果标签里第一类是0、第二类是1names的键就必须是0和1。有次我把names写成了1和2模型把头盔当手套损失曲线一直在高位震荡不下降排查了半小时才发现是索引错位。3.2 最小训练命令与四个关键参数配置好data.yaml训练命令其实很短。最小可用命令长这样# 从官方预训练权重微调速度和精度比较平衡 yolo train datahelmet_glove.yaml \ modelyolov8n.pt \ epochs100 imgsz640 batch16 device0model参数指定初始权重。这里用yolov8n.pt这类官方预训练权重第一次运行会自动下载权重文件到本地缓存之后离线也能用。如果没有网络条件也可以直接用上一轮训练的last.pt继续跑相当于给训练上了后悔药。训练教程里一般还会提到另一种做法不加载预训练权重从头train但1000张图的数据量从头训收敛很慢我不建议这么干。四个关键参数分别说。epochs是训练轮数100轮对1000张图的双类别任务通常够最终看损失曲线是否平稳。imgsz是输入尺寸640是默认值如果现场画面里手套占比特别小可以试1280代价是显存和训练时间都涨。batch是批大小16偏保守显存紧张就降到8显存富余就上32batch太小会导致BN统计不稳定。device是训练设备0表示第一块显卡CPU训练去掉device参数就行但速度很慢只建议用来验证流程。3.3 从yolo损失曲线到混淆矩阵先看哪四张图训练结束后框架会在runs/detect/train目录下生成一批结果文件。我看的顺序固定是四样results.png、混淆矩阵、PR曲线和预测样例图。先看results.png里的yolo损失函数曲线包括box_loss、cls_loss和dfl_loss三条。整体下降后趋于平稳说明正常收敛验证集loss下降一段后反弹是过拟合的典型信号可以提前停掉或调增强。第二张看混淆矩阵。这里有个容易误读的点YOLO默认对混淆矩阵按行做归一化每一行的和是1所以矩阵里所有元素相加不等于1。很多人看到混淆矩阵总合不唯一就以为训练出问题其实是归一化方式造成的——它统计的是「真实类别中被分到各个预测类别的比例」不是计数。看对角线helmet和glove两个类的对角线都大于0.9说明基本没有混检。第三张看PR曲线mAP就是曲线下的面积PR曲线的拐点位置能反映置信度阈值怎么选。最后打开预测样例图确认模型真的框出了安全帽和手套而不是只学到了背景纹理。这四个检查点都过模型就算训练成功了。4. 安全帽手套模型训练的避坑指南五个常见问题与排查方法4.1 坑一训练报错 expected 2 classes but got 3现象训练刚开始就抛出RuntimeError提示期望2个类别却拿到3个或者损失曲线直接异常跳动。原因标签txt里混入了第三个类别编号。常见来源是划分脚本把别的数据集的标签一并拷了进来或者原始标注存在错漏有人误把安全帽标成了另一个无关类别。这类问题在图片预览时完全看不出来因为标注工具显示的是名称txt里存的却是数字。解决先扫描全部标签txt统计出现的所有类别编号并去重。发现编号超出类别总数的立刻定位到具体文件打开对应图片确认是删掉还是改划。这段扫描脚本可以直接复用第六章的自检脚本。4.2 坑二mAP很高但现场检测不到黄色安全帽现象训练集上mAP有0.85测试图片上表现也不错部署到工地现场后漏检严重尤其是黄色安全帽在阳光直射下几乎全miss。原因现场数据域偏移。训练集里的安全帽大多是正面镜头、光线均匀、遮挡少的标注样本而现场有俯拍、逆光、强反光、遮挡和运动模糊。小样本数据集最容易死在这个环节。另一个具体因素是颜色空间黄色在强光照下会偏白模型学到的颜色特征直接失效。解决收集现场失败case按「补充数据、微调、再评估」循环改进。最有效的补充来源是现场监控截图哪怕只有几十张粗标注的图也比再补几百张室内精致图有价值。暂时拿不到现场图就先加增强模拟光照重点调hsv增强里的饱和度和明度扰动范围。4.3 坑三增强参数开太大小目标手套消失现象训练时loss下降正常但验证集mAP从0.8以上掉到0.6怎么调都回不来。原因YOLO默认开启一系列数据增强包括随机旋转、缩放、平移、马赛克。手套在监控画面里通常是小目标占整张图比例很小如果degrees旋转角度设得太大或者mosaic把四张图拼一起后小目标被压得更小模型就学不到稳定特征。解决检查训练配置里有没有手动覆盖增强参数。常见做法是把degrees降到5以内scale控制在0.5左右mosaic在最后20轮关闭。这类调整必须做对比实验一次只改一个增强项跑30轮验证不能凭感觉叠加。4.4 坑四bn崩溃导致loss变成NaN现象训练到某个epochbox_loss突然变成nan之后所有指标不再更新只能中断。原因yolo训练中bn崩溃的根因是梯度爆炸通常和batch过小、学习率偏高有关。1000张图的数据集如果batch设成2或4BN层统计的小批量均值和方差抖动会非常剧烈再叠加偏高的学习率几十轮之后数值就被推到nan。解决把batch提到16或32显存不够就降imgsz而不是降batch。然后检查学习率ultralytics自带学习率调度一般不需要手动改但如果命令行里覆盖了lr0把它调回默认值附近。最后加上早停参数比如patience20至少不浪费算力。4.5 坑五验证集mAP为0图片和标签对不上现象训练结束打印val结果Class列全是0mAP是0但训练时loss正常。打开预测图模型框了东西却没标签或者干脆不框。原因两个可能。第一val目录里的图片被写进了train列表但对应标签txt没跟着移动验证时加载的是无标签图片。第二图片文件名和标签文件名后缀不一致比如图片是1001.jpg标签却是1001.jpg.txt多出来的后缀让匹配失效。解决重新执行一遍划分脚本确认图片和标签成对移动。再做一次全量文件名匹配检查统计labels目录里有多少txt在images目录找不到同名图片。这类问题在解压后的数据集中很常见压缩包在Windows上解压偶发文件名截断。我建议解压后先做完整性校验再进训练。5. 把权重接到监控场景推理参数、告警联动与部署格式5.1 用训练好的权重做图片和视频推理训练通过第四章的检查后会得到一个best.pt权重路径在runs/detect/train/weights下。先用一批没见过的图片验证泛化能力再上视频流。# 单张图片推理 yolo predict modelruns/detect/train/weights/best.pt \ sourcetest1.jpg conf0.25 saveTrue # 视频推理适合先拿一段现场录屏验证 yolo predict modelruns/detect/train/weights/best.pt \ sourceconstruction_site.mp4 conf0.35 imgsz640 device0 saveTruesource参数可以是图片、视频、文件夹或摄像头编号。conf是置信度阈值低于阈值的预测框被丢弃。第一次验证建议把conf调低到0.2目的是看清误检长什么样确认误检可控后再调回生产值。saveTrue把预测结果保存下来方便人工复核这一步不要省。5.2 现场部署的三个必调参数与导出格式部署和训练是两个环境目标不同训练追求recall高部署追求precision高、延迟低。我固定调三个参数参数训练时部署时说明conf0.2左右0.35~0.5过滤低置信度预测imgsz640640或1280与目标尺度匹配halfFalseTrueFP16推理显存减半除了这三个参数部署格式同样重要。直接用best.pt跑推理最简单但在监控盒子或边缘设备上通常导出成ONNX再转TensorRT。导出命令yolo export modelruns/detect/train/weights/best.pt \ formatonnx halfTrue imgsz640导出后用onnxruntime或TensorRT加载延迟比原生PyTorch推理低一截尤其适合那种只有4GB显存的边缘设备。注意导出的imgsz要和部署推理时一致不一致会导致输入缩放和标签框还原错位。5.3 把检测结果接进告警逻辑时间窗口消抖检测模型只负责输出框真正产生价值的是告警联动。常见做法是检测到未佩戴安全帽或手套后统计连续N帧内同一位置是否持续存在超过阈值才触发告警避免单帧抖动引发误报。这段逻辑用ultralytics的Python接口就能实现逐帧拿预测结果维护一个简单的时间窗口计数器。告警的落点可以是HTTP回调、MQTT消息或直接写库看现场已有的平台架构。还有两个细节容易被忽略一是现场码流清晰度很多监控默认码流很低放大后模糊这种画面喂给再好的模型也白搭二是机位角度安全帽是俯视观测的主力目标手套反而容易被身体遮挡部署前要和现场确认摄像头角度该调整机位就调机位比反复调模型参数更见效。6. 用自检脚本给数据把关扩充路线与持续验证6.1 标签完整性自检脚本最后分享一个每次拿到数据集都会跑的自检脚本干三件事检查类别编号越界、检查坐标是否归一化、检查一行字段数是否完整。# check_labels.py运行前把路径换成实际目录 from pathlib import Path label_dir Path(labels_yolo/train) num_classes 2 errors [] for txt in label_dir.glob(*.txt): for line in txt.read_text().strip().splitlines(): parts line.split() if len(parts) ! 5: errors.append((txt.name, 字段数不是5)) continue cls int(parts[0]) vals [float(v) for v in parts[1:]] if cls num_classes: errors.append((txt.name, f类别编号越界: {cls})) if not all(0 v 1 for v in vals): errors.append((txt.name, 坐标未归一化)) print(f扫描{len(list(label_dir.glob(*.txt)))}个文件发现{len(errors)}个问题) for name, msg in errors[:20]: print(f {name}: {msg})这段脚本逐行解析YOLO格式txt每个文件每行必须有5个字段类别编号加四个坐标。字段数不对说明标签被截断或写坏类别编号越界说明混入了脏数据坐标超出0到1区间说明归一化没做或者图片分辨率被改过但坐标没重算。养成跑自检的习惯后我踩过的「训练指标好看、现场一塌糊涂」那种翻车至少少了一半。6.2 扩充路线与模型改进方向1000张图做完第一版后如果现场反馈不够扩充的优先度排序应该是现场真实截图、增加姿态多样性、增加光照多样性、增加更多视频帧。真实现场数据哪怕只有100张对性能的提升也远大于合成数据。标注工具用开源的就够导出格式直接选YOLO标题包里自带的划分脚本可以原样复用。模型层面小目标检测是主要痛点的话可以试yolo系列更大尺寸的版本或直接提高输入分辨率。当前活跃的改进方向是yolo和transformer结合把注意力机制引入骨干网络对小目标有一定帮助但不是必然收益。建议先用现有权重跑一批失败case看漏检集中在哪一类再决定要不要上复杂结构。我现在的习惯是每次训练前必跑一遍自检脚本每次部署前必拿一段现场视频做灰度验证这两个习惯帮我挡住了好几次现场翻车。希望帮到你。本文还有配套的精品资源点击获取