简介这是一套面向智慧工地安全监测场景的YOLO算法数据集适用于计算机视觉开发者、算法工程师以及施工现场安全管理人员。资源对应7538张真实工地图像对安全帽、反光衣、头盔、背心、靴子五类安全装备进行了详细标注图像覆盖不同拍摄角度、天气和光照条件可用于YOLOv5、YOLOv8等模型的目标检测训练、验证与迁移学习。压缩包内共2000个文件均为XML格式标注文件包体约326.49MB结构清晰便于直接接入常见检测框架或二次开发。XML标注可批量转换为YOLO所需的txt格式大幅降低数据预处理成本同时覆盖近景、远景与遮挡样本有助于提高模型在复杂工地环境下的识别稳定性。已有402人学习下载尤其适合需要快速搭建施工人员安全穿戴识别原型、评估算法鲁棒性的研究者和团队。1. 智慧工地安全检测yolo算法与7538张带标签图像的价值在哪做工地安全检测的工程师最头疼的往往不是模型选型而是数据从哪来。工地上不允许随便拍标注人力成本高安全帽、反光衣这类目标又小又密集自己标一版数据动辄两三周。这份7538张图像、带完整标签的安全帽-反光衣-靴子-头盔-背心数据集解决的就是这个启动问题——解压之后就是yolo格式的txt标签可以直接喂给yolov5或yolov8训练。适合正在做智慧工地安监系统、边缘端合规检测、或者在找“yolov8训练自己的数据集”练手素材的工程师。往下读我会把标签格式解析、目录搭建、训练配置、踩坑记录和部署验证一次讲完。2. 先读懂7538张图像里的标签五个类别、标注格式与场景边界2.1 五个类别的标注语义安全帽、反光衣、靴子、头盔、背心拿到数据集第一件事不是急着训练而是先搞清楚这五类在标注框里到底怎么定义。安全帽和头盔从视觉上看高度相似反光衣和背心也容易混如果你不先读一遍标签训练出来的模型大概率会在推理时出现类别串扰。从这份数据集的命名方式来看五个类别是并列关系安全帽safety_helmet工地最常见的黄色、白色硬质安全帽标注框通常从帽檐到帽顶。反光衣reflective_vest带反光条纹的荧光色马甲颜色集中在荧光黄、荧光橙。靴子boots劳保鞋或高帮安全靴标注框一般只框脚部区域。头盔helmet与安全帽不同这类更多指带面罩或加强型的防护头盔标注口径与安全帽分开计数。背心vest普通工装背心没有明显反光条与反光衣的视觉差异在反光材质上。这里有个关键点安全帽和头盔在英文里经常都被翻译成helmet但这份数据里它们是两个独立类别训练时不能合并否则类别数对不上标签文件里第二位以后的坐标也会错位。我一般会在拿到数据后用Python统计一下每个类别的框数量确认标注分布是否均衡再决定训练策略。2.2 YOLO标签格式看懂txt文件里的每一组数字这份数据集的标签是yolo格式也就是每个图像对应一个同名txt文件一行代表一个目标框格式为class_id x_center y_center width height五个坐标值全部是归一化到0到1之间的浮点数x_center和y_center是目标中心点相对图像宽高的比例width和height是目标框宽高相对图像的比例。举个例子一行标签是0 0.512345 0.387654 0.145231 0.198765意思就是类别ID为0对应安全帽中心点在图像横向51.23%的位置、纵向38.77%的位置目标框宽度占图像宽度的14.52%高度占图像高度的19.88%。类别ID从0开始计数所以五个类别对应的ID是0、1、2、3、4。如果你之前用labelimg打标完yolo格式的标应该对这个结构很熟悉。但要注意一点标完的txt如果是从labelimg导出的坐标精度一般没问题但个别标注工具会导出绝对坐标也就是x_min、y_min、x_max、y_max四元组那种格式yolo训练器不认。拿到数据集后第一件事就是写脚本校验标签格式这一步能省掉后面一大半的排查时间。2.3 场景覆盖与标注质量自检先给数据集做一次体检7538张图像并不是一个特别大的数据集但它的价值在于场景覆盖。从常见的安全帽反光衣工地数据集分布来看这类数据的典型特点是白天样本多、夜间和阴天样本少近距离大目标多、远距离小目标少。如果你的应用场景是夜间工地巡检训练前一定要先统计一下夜间图像的占比。我建议先做一次全局体检脚本思路如下import os from collections import Counter label_dir labels total_boxes Counter() image_count 0 empty_labels [] error_labels [] for root, dirs, files in os.walk(label_dir): for f in files: if not f.endswith(.txt): continue image_count 1 path os.path.join(root, f) with open(path, r, encodingutf-8) as fp: lines fp.readlines() if len(lines) 0: empty_labels.append(path) for line in lines: parts line.strip().split() if len(parts) ! 5: error_labels.append((path, line.strip())) continue try: cls int(parts[0]) coords [float(v) for v in parts[1:]] except ValueError: error_labels.append((path, line.strip())) continue if not all(0 v 1 for v in coords): error_labels.append((path, line.strip())) continue total_boxes[cls] 1 print(图像总数:, image_count) print(空标签文件:, len(empty_labels)) print(格式异常文件:, len(error_labels)) print(各类别框数量:, dict(total_boxes))这段脚本能快速告诉你三件事有没有空标签文件、有没有格式错误的行、类别分布是否均衡。逻辑上空标签文件会导致训练时该图没有正样本如果数量超过5%建议直接剔除格式异常会导致解析报错类别分布如果极度不均衡比如背心只有几百框而安全帽有两万框就得考虑数据增强或者类别权重。3. 把zip变成可训练的YOLO目录结构解压、建目录、划分数据集3.1 标准目录结构images与labels分别存放yolov5和yolov8对数据目录的要求基本一致——图像和标签分离训练集、验证集、测试集分开。拿到zip包后我一般先建这样的目录结构dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yaml图像在images下同名标签在labels下训练集图像和训练集标签一一对应。目录名无所谓但data.yaml里要写对路径。如果你直接把7538张图和标签全扔进一个目录yolo也能跑但验证集划分就成了难题mAP的可信度会大打折扣。解压的时候要注意中文文件名问题。这个数据集包名虽然是中文但内部文件名最好确保是英文或数字。yolo训练器对中文路径支持不好我踩过这个坑——训练到一半报错FileNotFoundError排查了半天发现是Windows下中文路径编码问题。所以第一步就是解压后先检查文件名有中文就批量重命名。3.2 标签完整性校验用脚本找出缺失和错位zib包里图像和标签可能不在同一个根目录下或者存在部分图像缺失标签的情况。训练前必须做一次完整性校验确保每张图像都有对应的txt标签并且每张图像的标签里没有引用越界的类别ID。校验脚本如下import os image_dir images/all label_dir labels/all num_classes 5 missing_label [] missing_image [] out_of_range [] for f in os.listdir(image_dir): if f.lower().endswith((.jpg, .jpeg, .png)): stem os.path.splitext(f)[0] label_path os.path.join(label_dir, stem .txt) if not os.path.exists(label_path): missing_label.append(f) for f in os.listdir(label_dir): if not f.endswith(.txt): continue stem os.path.splitext(f)[0] image_path os.path.join(image_dir, stem .jpg) if not os.path.exists(image_path): missing_image.append(f) with open(os.path.join(label_dir, f), r, encodingutf-8) as fp: for line in fp: cls int(line.strip().split()[0]) if cls num_classes: out_of_range.append((f, cls)) print(缺标签的图像:, len(missing_label)) print(缺图像的标签:, len(missing_image)) print(类别ID越界的标签:, len(out_of_range))这段脚本做了三件事查缺失、查多余、查越界。参数里的num_classes5来自数据集的类别数如果你的标签里出现了5或更大的ID说明标签和类别配置不匹配需要回头检查data.yaml。3.3 数据集划分按比例随机拆分固定随机种子7538张图我会按8:1:1拆成训练集、验证集、测试集。测试集留出来做最终评估验证集用于训练过程中的mAP监控训练集就是实际喂给模型的数据。拆分时必须固定随机种子否则每次跑脚本划分结果都不一样模型对比就没有意义了。import os import random import shutil random.seed(42) image_dir images/all label_dir labels/all train_ratio, val_ratio 0.8, 0.1 images [f for f in os.listdir(image_dir) if f.lower().endswith((.jpg, .jpeg, .png))] random.shuffle(images) n_train int(len(images) * train_ratio) n_val int(len(images) * val_ratio) splits { train: images[:n_train], val: images[n_train:n_train n_val], test: images[n_train n_val:], } for split_name, file_list in splits.items(): os.makedirs(fimages/{split_name}, exist_okTrue) os.makedirs(flabels/{split_name}, exist_okTrue) for img in file_list: stem os.path.splitext(img)[0] shutil.copy(os.path.join(image_dir, img), fimages/{split_name}/{img}) label_file stem .txt if os.path.exists(os.path.join(label_dir, label_file)): shutil.copy(os.path.join(label_dir, label_file), flabels/{split_name}/{label_file}) for split_name, file_list in splits.items(): print(split_name, len(file_list))这里我用了shutil.copy而不是move保留原始文件方便后续调整划分比例。随机种子42是经验值没有特别含义但固定下来之后无论谁跑这段脚本得到的划分结果都是一致的。4. 训练前的最后一步data.yaml配置与关键超参数设定4.1 data.yaml五类目标的类别注册目录结构建好之后data.yaml就是连接数据集和yolo训练器的桥梁。文件内容很简单但每个字段都不能写错path: /absolute/path/to/dataset train: images/train val: images/val test: images/test names: 0: safety_helmet 1: reflective_vest 2: boots 3: helmet 4: vestpath字段写数据集的绝对路径也可以是相对路径但我建议写绝对路径省得训练命令里来回切换目录。names里的顺序必须和标签文件里的class_id一一对应如果names里第二个写的是boots而标签ID1实际代表反光衣训练不会报错但评估时类别名字全是乱的混淆矩阵也看不懂。一个容易忽略的细节是names的个数不需要单独写nc字段yolov5和yolov8都会根据names长度自动推断。但你如果用了yolov5的旧版代码它可能要求显式写nc我在yolov5切换yolov8的时候就遇到过这种兼容问题。4.2 关键超参数imgsz、batch、epochs与置信度阈值训练超参数里影响最大的四个是imgsz、batch-size、epochs和模型输入分辨率。imgsz输入图像尺寸我建议设640这是yolo系列的默认值也是速度和精度最均衡的档位。如果你的目标都是小目标比如远距离的靴子可以试试1280但显存占用会变成原来的4倍。实测下来8GB显存跑imgsz1280batch-size只能设8而imgsz640可以设到16。batch-size的取值直接看显存。这里有个经验公式batch-size乘以4再乘以batch数量的优化器状态占比大致估算显存占用。我一般用RTX 3060 12GB跑yolov8simgsz640batch16显存占用在8GB左右。epochs默认100但对于7538张图的数据集300轮以内足够收敛。如果设太大模型会在验证集上先升后降那就是过拟合的信号。yolo损失函数在训练后期下降缓慢不必死磕最后一两个点的loss。置信度阈值conf_thres不在训练参数里而是在推理和验证阶段使用默认0.25。如果你的业务要求宁可误报不能漏报就调低到0.1如果安监告警要求高准确率就调高到0.5。4.3 训练命令yolov8和yolov5两种写法我用yolov8比较多因为API更统一训练命令是yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs200 \ imgsz640 \ batch16 \ device0 \ namehelmet_vest_exp如果用的是yolov5命令是python train.py \ --data data.yaml \ --weights yolov5s.pt \ --epochs 200 \ --batch-size 16 \ --img 640 \ --device 0 \ --name helmet_vest_exp两个命令的核心逻辑一致data指定数据集配置weights指定预训练权重几个超参数一一对应。我这里都用了yolov5s.pt和yolov8s.pt的预训练权重而不是从零训练因为从零训练需要更大的数据集和更长的epochs对于7538张图的数据规模来说迁移学习明显更稳。参数说明name参数是实验名输出会保存到runs/detect/helmet_vest_exp目录下里面有weights、混淆矩阵、PR曲线等。device0表示用第一张GPU如果只有CPU就写cpu但训练速度会慢几十倍不推荐。5. 避坑指南用这份数据集训练时最常见的5个问题5.1 训练loss为NaN权重文件无效现象训练到第几个epochloss突然变成nan后续所有epoch的loss都是nan验证mAP直接变成0。原因最常见的原因是标签文件里存在空行或者坐标值为负数。yolo在计算损失时BCEWithLogitsLoss遇到非法坐标会梯度爆炸。我在校验脚本里查过之后才放心但如果你没查就训练大概率会遇到这个问题。解决回到第3章的校验脚本重点检查坐标是否在0到1之间、是否有空标签文件。把异常标签文件筛出来要么删除对应图像要么重新标注。我已经把这类校验写成了固定流程每次拿到新数据集都先跑一遍再训练。5.2 安全帽和头盔类别互相误检现象训练完的模型在验证集上安全帽的AP很高但头盔的AP很低而且安全帽的误检框经常落在头盔上。原因这两个类别视觉特征过于接近。如果数据集标注时对“安全帽”和“头盔”的边界定义模糊比如有的图里带面罩的头盔标成了安全帽模型就学不到两类之间的判别特征。解决先统计两类各自的标注框数量差距过大的话考虑合并成一个大类“head_protection”。如果必须分开就检查标签里边界情况的标注一致性把带面罩的头盔全部归为helmet把普通硬质帽归为safety_helmet。这一步没有自动化脚本只能抽检图像和标签框人工核对。5.3 反光衣和背心在夜间场景全部漏检现象白天测试效果不错一到夜间场景反光衣检测数量骤降背心几乎检测不到。原因反光衣的识别特征很大程度依赖反光条在光照下的高亮表现。夜间图像里反光条有反光但普通背心没有反光条两者在低光照条件下视觉差异微弱。解决如果你有夜间场景需求训练时加入色彩增强和亮度抖动。yolov8里可以在超参数文件中调hsv_h、hsv_s、hsv_v把hsv_v亮度抖动从默认的0.4调到0.6模拟夜间低照度。另外可以考虑把数据集里夜间图像单独拆出来做一次微调训练。5.4 靴子类别AP极低远距离小目标漏检现象五个类别里靴子的AP明显低于其他四类。这不是偶发现象而是数据集里靴子的目标框普遍偏小。原因靴子在图像里通常是远景中的小目标标注框可能只有20×30像素。yolo下采样32倍之后20×30的目标在特征图上只占不到1个像素格小目标特征在深层特征图中基本丢失。解决三个思路。第一把imgsz从640提高到1280小目标像素占比翻倍第二使用yolov8的P2检测层在yolov8.yaml中额外增加一层更高分辨率的特征图第三使用SAHI切片推理把大图切成重叠小图分别检测再合并结果。我对小目标问题比较推荐第三种方式因为不改变训练逻辑部署时也能用。5.5 验证集mAP很高现场实拍效果差现象训练结束验证集mAP达到0.9以上但拿到工地现场用手机或监控摄像头拍一段视频测试漏检率明显上升。原因验证集和训练集来自同一数据源图像风格、拍摄设备、角度高度都高度一致。现场摄像头安装位置高、俯拍角度大、光照条件复杂数据分布发生了偏移。这是数据集固有边界不是模型训练的问题。解决如果现场效果差第一优先级不是调模型而是采集现场样张补入训练集。常见做法是先用这个预训练模型跑一遍现场视频把漏检和误检的帧保存下来人工筛选几百张用labelimg补标一遍然后把补充数据混入原数据集重新训练。补标几百张图的工作量不算大但效果比调参显著。6. 验证与进阶用混淆矩阵、测试集评估和部署脚本收尾训练结束后先看训练输出目录下的混淆矩阵。混淆矩阵能告诉你类别之间的具体混淆模式如果safety_helmet和helmet之间有明显交叉说明标注口径还没收敛如果background被频繁检测为目标说明置信度阈值可能偏低。我会用下面这段命令在测试集上做一次离线评估yolo detect val \ datadata.yaml \ modelruns/detect/helmet_vest_exp/weights/best.pt \ conf_thres0.25 \ iou_thres0.5输出会包含mAP50、mAP50-95和每个类别的详细AP。mAP50反映的是IoU阈值0.5下的平均精度行业里最常用mAP50-95更严格适合对比模型版本差异。如果mAP50已经到0.92以上但mAP50-95只有0.55说明框的定位精度不够精准需要更高的输入分辨率或更好的anchor设定。评估通过后下一步是导出部署格式。yolov8导出ONNX的命令yolo export modelruns/detect/helmet_vest_exp/weights/best.pt formatonnx imgsz640导出后的ONNX文件可以转成TensorRTNVIDIA显卡部署或OpenVINOIntel CPU部署。我在智慧工地项目里基本都用TensorRT因为监控摄像头场景对延迟敏感TensorRT FP16精度下yolov8s在2080Ti上能做到5毫秒以内单帧推理。要注意的是导出时imgsz必须和训练时一致否则模型会自动resize小目标检测效果会大幅下降。最后一个进阶建议是使用切片推理处理摄像头大画面。现场摄像头通常输出1080p画面直接resize到640会丢失大量小目标细节。正确做法是先把原始画面切成1280×1280或960×540的切片每个切片与相邻切片保留20%的重叠率检测后再按坐标映射回原图。这个方案在工地安全帽反光衣检测项目里对小目标漏检的改善非常明显值得作为标准流程固化下来。这些年我经手的智慧工地数据集项目基本都走这条路径先校验标签、再固定划分、然后迁移学习、最后部署反馈。现在训练yolo的入门成本很低真正拉开差距的就是数据质量管理和对踩坑记录的记忆。这份7538张图像的数据集可以当作一块不错的起点但请记住没有任何公开数据集能完全替代现场数据采集把现场样张补进训练集才是最稳定的长线策略。希望帮到你。本文还有配套的精品资源点击获取 YOLO智慧工地安全检测：7538张图像数据集训练全攻略
简介这是一套面向智慧工地安全监测场景的YOLO算法数据集适用于计算机视觉开发者、算法工程师以及施工现场安全管理人员。资源对应7538张真实工地图像对安全帽、反光衣、头盔、背心、靴子五类安全装备进行了详细标注图像覆盖不同拍摄角度、天气和光照条件可用于YOLOv5、YOLOv8等模型的目标检测训练、验证与迁移学习。压缩包内共2000个文件均为XML格式标注文件包体约326.49MB结构清晰便于直接接入常见检测框架或二次开发。XML标注可批量转换为YOLO所需的txt格式大幅降低数据预处理成本同时覆盖近景、远景与遮挡样本有助于提高模型在复杂工地环境下的识别稳定性。已有402人学习下载尤其适合需要快速搭建施工人员安全穿戴识别原型、评估算法鲁棒性的研究者和团队。1. 智慧工地安全检测yolo算法与7538张带标签图像的价值在哪做工地安全检测的工程师最头疼的往往不是模型选型而是数据从哪来。工地上不允许随便拍标注人力成本高安全帽、反光衣这类目标又小又密集自己标一版数据动辄两三周。这份7538张图像、带完整标签的安全帽-反光衣-靴子-头盔-背心数据集解决的就是这个启动问题——解压之后就是yolo格式的txt标签可以直接喂给yolov5或yolov8训练。适合正在做智慧工地安监系统、边缘端合规检测、或者在找“yolov8训练自己的数据集”练手素材的工程师。往下读我会把标签格式解析、目录搭建、训练配置、踩坑记录和部署验证一次讲完。2. 先读懂7538张图像里的标签五个类别、标注格式与场景边界2.1 五个类别的标注语义安全帽、反光衣、靴子、头盔、背心拿到数据集第一件事不是急着训练而是先搞清楚这五类在标注框里到底怎么定义。安全帽和头盔从视觉上看高度相似反光衣和背心也容易混如果你不先读一遍标签训练出来的模型大概率会在推理时出现类别串扰。从这份数据集的命名方式来看五个类别是并列关系安全帽safety_helmet工地最常见的黄色、白色硬质安全帽标注框通常从帽檐到帽顶。反光衣reflective_vest带反光条纹的荧光色马甲颜色集中在荧光黄、荧光橙。靴子boots劳保鞋或高帮安全靴标注框一般只框脚部区域。头盔helmet与安全帽不同这类更多指带面罩或加强型的防护头盔标注口径与安全帽分开计数。背心vest普通工装背心没有明显反光条与反光衣的视觉差异在反光材质上。这里有个关键点安全帽和头盔在英文里经常都被翻译成helmet但这份数据里它们是两个独立类别训练时不能合并否则类别数对不上标签文件里第二位以后的坐标也会错位。我一般会在拿到数据后用Python统计一下每个类别的框数量确认标注分布是否均衡再决定训练策略。2.2 YOLO标签格式看懂txt文件里的每一组数字这份数据集的标签是yolo格式也就是每个图像对应一个同名txt文件一行代表一个目标框格式为class_id x_center y_center width height五个坐标值全部是归一化到0到1之间的浮点数x_center和y_center是目标中心点相对图像宽高的比例width和height是目标框宽高相对图像的比例。举个例子一行标签是0 0.512345 0.387654 0.145231 0.198765意思就是类别ID为0对应安全帽中心点在图像横向51.23%的位置、纵向38.77%的位置目标框宽度占图像宽度的14.52%高度占图像高度的19.88%。类别ID从0开始计数所以五个类别对应的ID是0、1、2、3、4。如果你之前用labelimg打标完yolo格式的标应该对这个结构很熟悉。但要注意一点标完的txt如果是从labelimg导出的坐标精度一般没问题但个别标注工具会导出绝对坐标也就是x_min、y_min、x_max、y_max四元组那种格式yolo训练器不认。拿到数据集后第一件事就是写脚本校验标签格式这一步能省掉后面一大半的排查时间。2.3 场景覆盖与标注质量自检先给数据集做一次体检7538张图像并不是一个特别大的数据集但它的价值在于场景覆盖。从常见的安全帽反光衣工地数据集分布来看这类数据的典型特点是白天样本多、夜间和阴天样本少近距离大目标多、远距离小目标少。如果你的应用场景是夜间工地巡检训练前一定要先统计一下夜间图像的占比。我建议先做一次全局体检脚本思路如下import os from collections import Counter label_dir labels total_boxes Counter() image_count 0 empty_labels [] error_labels [] for root, dirs, files in os.walk(label_dir): for f in files: if not f.endswith(.txt): continue image_count 1 path os.path.join(root, f) with open(path, r, encodingutf-8) as fp: lines fp.readlines() if len(lines) 0: empty_labels.append(path) for line in lines: parts line.strip().split() if len(parts) ! 5: error_labels.append((path, line.strip())) continue try: cls int(parts[0]) coords [float(v) for v in parts[1:]] except ValueError: error_labels.append((path, line.strip())) continue if not all(0 v 1 for v in coords): error_labels.append((path, line.strip())) continue total_boxes[cls] 1 print(图像总数:, image_count) print(空标签文件:, len(empty_labels)) print(格式异常文件:, len(error_labels)) print(各类别框数量:, dict(total_boxes))这段脚本能快速告诉你三件事有没有空标签文件、有没有格式错误的行、类别分布是否均衡。逻辑上空标签文件会导致训练时该图没有正样本如果数量超过5%建议直接剔除格式异常会导致解析报错类别分布如果极度不均衡比如背心只有几百框而安全帽有两万框就得考虑数据增强或者类别权重。3. 把zip变成可训练的YOLO目录结构解压、建目录、划分数据集3.1 标准目录结构images与labels分别存放yolov5和yolov8对数据目录的要求基本一致——图像和标签分离训练集、验证集、测试集分开。拿到zip包后我一般先建这样的目录结构dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yaml图像在images下同名标签在labels下训练集图像和训练集标签一一对应。目录名无所谓但data.yaml里要写对路径。如果你直接把7538张图和标签全扔进一个目录yolo也能跑但验证集划分就成了难题mAP的可信度会大打折扣。解压的时候要注意中文文件名问题。这个数据集包名虽然是中文但内部文件名最好确保是英文或数字。yolo训练器对中文路径支持不好我踩过这个坑——训练到一半报错FileNotFoundError排查了半天发现是Windows下中文路径编码问题。所以第一步就是解压后先检查文件名有中文就批量重命名。3.2 标签完整性校验用脚本找出缺失和错位zib包里图像和标签可能不在同一个根目录下或者存在部分图像缺失标签的情况。训练前必须做一次完整性校验确保每张图像都有对应的txt标签并且每张图像的标签里没有引用越界的类别ID。校验脚本如下import os image_dir images/all label_dir labels/all num_classes 5 missing_label [] missing_image [] out_of_range [] for f in os.listdir(image_dir): if f.lower().endswith((.jpg, .jpeg, .png)): stem os.path.splitext(f)[0] label_path os.path.join(label_dir, stem .txt) if not os.path.exists(label_path): missing_label.append(f) for f in os.listdir(label_dir): if not f.endswith(.txt): continue stem os.path.splitext(f)[0] image_path os.path.join(image_dir, stem .jpg) if not os.path.exists(image_path): missing_image.append(f) with open(os.path.join(label_dir, f), r, encodingutf-8) as fp: for line in fp: cls int(line.strip().split()[0]) if cls num_classes: out_of_range.append((f, cls)) print(缺标签的图像:, len(missing_label)) print(缺图像的标签:, len(missing_image)) print(类别ID越界的标签:, len(out_of_range))这段脚本做了三件事查缺失、查多余、查越界。参数里的num_classes5来自数据集的类别数如果你的标签里出现了5或更大的ID说明标签和类别配置不匹配需要回头检查data.yaml。3.3 数据集划分按比例随机拆分固定随机种子7538张图我会按8:1:1拆成训练集、验证集、测试集。测试集留出来做最终评估验证集用于训练过程中的mAP监控训练集就是实际喂给模型的数据。拆分时必须固定随机种子否则每次跑脚本划分结果都不一样模型对比就没有意义了。import os import random import shutil random.seed(42) image_dir images/all label_dir labels/all train_ratio, val_ratio 0.8, 0.1 images [f for f in os.listdir(image_dir) if f.lower().endswith((.jpg, .jpeg, .png))] random.shuffle(images) n_train int(len(images) * train_ratio) n_val int(len(images) * val_ratio) splits { train: images[:n_train], val: images[n_train:n_train n_val], test: images[n_train n_val:], } for split_name, file_list in splits.items(): os.makedirs(fimages/{split_name}, exist_okTrue) os.makedirs(flabels/{split_name}, exist_okTrue) for img in file_list: stem os.path.splitext(img)[0] shutil.copy(os.path.join(image_dir, img), fimages/{split_name}/{img}) label_file stem .txt if os.path.exists(os.path.join(label_dir, label_file)): shutil.copy(os.path.join(label_dir, label_file), flabels/{split_name}/{label_file}) for split_name, file_list in splits.items(): print(split_name, len(file_list))这里我用了shutil.copy而不是move保留原始文件方便后续调整划分比例。随机种子42是经验值没有特别含义但固定下来之后无论谁跑这段脚本得到的划分结果都是一致的。4. 训练前的最后一步data.yaml配置与关键超参数设定4.1 data.yaml五类目标的类别注册目录结构建好之后data.yaml就是连接数据集和yolo训练器的桥梁。文件内容很简单但每个字段都不能写错path: /absolute/path/to/dataset train: images/train val: images/val test: images/test names: 0: safety_helmet 1: reflective_vest 2: boots 3: helmet 4: vestpath字段写数据集的绝对路径也可以是相对路径但我建议写绝对路径省得训练命令里来回切换目录。names里的顺序必须和标签文件里的class_id一一对应如果names里第二个写的是boots而标签ID1实际代表反光衣训练不会报错但评估时类别名字全是乱的混淆矩阵也看不懂。一个容易忽略的细节是names的个数不需要单独写nc字段yolov5和yolov8都会根据names长度自动推断。但你如果用了yolov5的旧版代码它可能要求显式写nc我在yolov5切换yolov8的时候就遇到过这种兼容问题。4.2 关键超参数imgsz、batch、epochs与置信度阈值训练超参数里影响最大的四个是imgsz、batch-size、epochs和模型输入分辨率。imgsz输入图像尺寸我建议设640这是yolo系列的默认值也是速度和精度最均衡的档位。如果你的目标都是小目标比如远距离的靴子可以试试1280但显存占用会变成原来的4倍。实测下来8GB显存跑imgsz1280batch-size只能设8而imgsz640可以设到16。batch-size的取值直接看显存。这里有个经验公式batch-size乘以4再乘以batch数量的优化器状态占比大致估算显存占用。我一般用RTX 3060 12GB跑yolov8simgsz640batch16显存占用在8GB左右。epochs默认100但对于7538张图的数据集300轮以内足够收敛。如果设太大模型会在验证集上先升后降那就是过拟合的信号。yolo损失函数在训练后期下降缓慢不必死磕最后一两个点的loss。置信度阈值conf_thres不在训练参数里而是在推理和验证阶段使用默认0.25。如果你的业务要求宁可误报不能漏报就调低到0.1如果安监告警要求高准确率就调高到0.5。4.3 训练命令yolov8和yolov5两种写法我用yolov8比较多因为API更统一训练命令是yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs200 \ imgsz640 \ batch16 \ device0 \ namehelmet_vest_exp如果用的是yolov5命令是python train.py \ --data data.yaml \ --weights yolov5s.pt \ --epochs 200 \ --batch-size 16 \ --img 640 \ --device 0 \ --name helmet_vest_exp两个命令的核心逻辑一致data指定数据集配置weights指定预训练权重几个超参数一一对应。我这里都用了yolov5s.pt和yolov8s.pt的预训练权重而不是从零训练因为从零训练需要更大的数据集和更长的epochs对于7538张图的数据规模来说迁移学习明显更稳。参数说明name参数是实验名输出会保存到runs/detect/helmet_vest_exp目录下里面有weights、混淆矩阵、PR曲线等。device0表示用第一张GPU如果只有CPU就写cpu但训练速度会慢几十倍不推荐。5. 避坑指南用这份数据集训练时最常见的5个问题5.1 训练loss为NaN权重文件无效现象训练到第几个epochloss突然变成nan后续所有epoch的loss都是nan验证mAP直接变成0。原因最常见的原因是标签文件里存在空行或者坐标值为负数。yolo在计算损失时BCEWithLogitsLoss遇到非法坐标会梯度爆炸。我在校验脚本里查过之后才放心但如果你没查就训练大概率会遇到这个问题。解决回到第3章的校验脚本重点检查坐标是否在0到1之间、是否有空标签文件。把异常标签文件筛出来要么删除对应图像要么重新标注。我已经把这类校验写成了固定流程每次拿到新数据集都先跑一遍再训练。5.2 安全帽和头盔类别互相误检现象训练完的模型在验证集上安全帽的AP很高但头盔的AP很低而且安全帽的误检框经常落在头盔上。原因这两个类别视觉特征过于接近。如果数据集标注时对“安全帽”和“头盔”的边界定义模糊比如有的图里带面罩的头盔标成了安全帽模型就学不到两类之间的判别特征。解决先统计两类各自的标注框数量差距过大的话考虑合并成一个大类“head_protection”。如果必须分开就检查标签里边界情况的标注一致性把带面罩的头盔全部归为helmet把普通硬质帽归为safety_helmet。这一步没有自动化脚本只能抽检图像和标签框人工核对。5.3 反光衣和背心在夜间场景全部漏检现象白天测试效果不错一到夜间场景反光衣检测数量骤降背心几乎检测不到。原因反光衣的识别特征很大程度依赖反光条在光照下的高亮表现。夜间图像里反光条有反光但普通背心没有反光条两者在低光照条件下视觉差异微弱。解决如果你有夜间场景需求训练时加入色彩增强和亮度抖动。yolov8里可以在超参数文件中调hsv_h、hsv_s、hsv_v把hsv_v亮度抖动从默认的0.4调到0.6模拟夜间低照度。另外可以考虑把数据集里夜间图像单独拆出来做一次微调训练。5.4 靴子类别AP极低远距离小目标漏检现象五个类别里靴子的AP明显低于其他四类。这不是偶发现象而是数据集里靴子的目标框普遍偏小。原因靴子在图像里通常是远景中的小目标标注框可能只有20×30像素。yolo下采样32倍之后20×30的目标在特征图上只占不到1个像素格小目标特征在深层特征图中基本丢失。解决三个思路。第一把imgsz从640提高到1280小目标像素占比翻倍第二使用yolov8的P2检测层在yolov8.yaml中额外增加一层更高分辨率的特征图第三使用SAHI切片推理把大图切成重叠小图分别检测再合并结果。我对小目标问题比较推荐第三种方式因为不改变训练逻辑部署时也能用。5.5 验证集mAP很高现场实拍效果差现象训练结束验证集mAP达到0.9以上但拿到工地现场用手机或监控摄像头拍一段视频测试漏检率明显上升。原因验证集和训练集来自同一数据源图像风格、拍摄设备、角度高度都高度一致。现场摄像头安装位置高、俯拍角度大、光照条件复杂数据分布发生了偏移。这是数据集固有边界不是模型训练的问题。解决如果现场效果差第一优先级不是调模型而是采集现场样张补入训练集。常见做法是先用这个预训练模型跑一遍现场视频把漏检和误检的帧保存下来人工筛选几百张用labelimg补标一遍然后把补充数据混入原数据集重新训练。补标几百张图的工作量不算大但效果比调参显著。6. 验证与进阶用混淆矩阵、测试集评估和部署脚本收尾训练结束后先看训练输出目录下的混淆矩阵。混淆矩阵能告诉你类别之间的具体混淆模式如果safety_helmet和helmet之间有明显交叉说明标注口径还没收敛如果background被频繁检测为目标说明置信度阈值可能偏低。我会用下面这段命令在测试集上做一次离线评估yolo detect val \ datadata.yaml \ modelruns/detect/helmet_vest_exp/weights/best.pt \ conf_thres0.25 \ iou_thres0.5输出会包含mAP50、mAP50-95和每个类别的详细AP。mAP50反映的是IoU阈值0.5下的平均精度行业里最常用mAP50-95更严格适合对比模型版本差异。如果mAP50已经到0.92以上但mAP50-95只有0.55说明框的定位精度不够精准需要更高的输入分辨率或更好的anchor设定。评估通过后下一步是导出部署格式。yolov8导出ONNX的命令yolo export modelruns/detect/helmet_vest_exp/weights/best.pt formatonnx imgsz640导出后的ONNX文件可以转成TensorRTNVIDIA显卡部署或OpenVINOIntel CPU部署。我在智慧工地项目里基本都用TensorRT因为监控摄像头场景对延迟敏感TensorRT FP16精度下yolov8s在2080Ti上能做到5毫秒以内单帧推理。要注意的是导出时imgsz必须和训练时一致否则模型会自动resize小目标检测效果会大幅下降。最后一个进阶建议是使用切片推理处理摄像头大画面。现场摄像头通常输出1080p画面直接resize到640会丢失大量小目标细节。正确做法是先把原始画面切成1280×1280或960×540的切片每个切片与相邻切片保留20%的重叠率检测后再按坐标映射回原图。这个方案在工地安全帽反光衣检测项目里对小目标漏检的改善非常明显值得作为标准流程固化下来。这些年我经手的智慧工地数据集项目基本都走这条路径先校验标签、再固定划分、然后迁移学习、最后部署反馈。现在训练yolo的入门成本很低真正拉开差距的就是数据质量管理和对踩坑记录的记忆。这份7538张图像的数据集可以当作一块不错的起点但请记住没有任何公开数据集能完全替代现场数据采集把现场样张补进训练集才是最稳定的长线策略。希望帮到你。本文还有配套的精品资源点击获取