简介：面向建筑工地安全监测的目标检测数据集，包含600张真实工地监控图片，按训练426张、验证117张、测试57张划分，标注了人员、安全帽、安全背心、靴子、机械以及无安全帽、无口罩、无安全背心等8个关键类别。资源共1202个文件，以600个jpg监控图像和600个txt标注文件为主，另附1个yaml配置与1个docx说明文档，压缩包整体约37.43MB，YOLO格式可直接用于主流目标检测框架训练。数据源自实际建筑工地监控场景，覆盖多样作业环境、角度与光照条件，具备较好的实用性和泛化能力。可用于构建安全装备佩戴检测、违规行为实时预警等工业视觉应用，也可作为工程类数据集支持算法研究、安全培训演示与智能安防系统开发。已有264人学习下载，适合计算机视觉开发者、工业安全平台建设者及相关研究人员快速上手。

1. 拿到「建筑工地安全目标检测数据集.zip」后，我劝你先别急着解压开训

拿到「建筑工地安全目标检测数据集.zip」这份压缩包时，大多数人的动作是解压、看两眼、直接开训。我一般会先拦一下：先在 zip 里查一遍标注格式、文件编码和图片与标签的配对情况，因为这类数据集的翻车点往往不在模型，而在数据本身。它要解决的是智慧工地里最实际的合规问题——安全帽戴没戴、反光衣穿没穿、人员有没有进入危险区域，输入端是监控视频帧，输出端是边缘盒子的实时报警。适合准备做智慧工地、安防集成，或者用 YOLO 训练自有检测模型的算法工程师和学生。如果你手里正好有一个解压后乱码、格式混杂的包，这篇能帮你把它变成能直接复现的结果。

2. 先听懂数据格式：VOC、YOLO 与 zip 内的常见目录结构

2.1 为什么动手前必须先确认标注格式

建筑工地安全目标检测数据集.zip 解压后，图片内容本身不复杂，复杂的是标注文件用什么格式写的。常见的目标检测数据集标注有三类：VOC 的 XML、YOLO 的 TXT、COCO 的 JSON。工地场景的数据集大多给 VOC 或 YOLO 格式，偶尔同时给 classes.txt。一个 zip 里如果只有图片没有标注文件，那它只能当预训练或负样本用；如果标注文件是一堆 XML，那训练前就得先做一次格式转换。

我曾经见过一个工地数据包，图片和标注看起来都在，但 XML 里 30% 的 bounding box 坐标是负数，还有一部分图片在标注文件里根本不存在。这种数据直接送进训练管线，轻则 loss 震荡，重则训练出来的模型在验证集上表现尚可，换了工地摄像头就完全失灵。所以在准备阶段先花半小时读格式、查配对，比训练完再回头排错省得多。

另一个容易被忽略的点是版权边界。解压后如果看到 README 或 license 文件，先看商用授权范围。很多公开的目标检测数据集只允许学术研究，智慧工地项目是商用性质，一旦拿去交付就可能出问题。标注格式、授权范围、文件完整性，这三件事应该排在解压之后的第一优先级。

2.2 zip 解压的两个命令：先列清单，再处理编码

解压前先看一下压缩包内部结构，避免一上来就解出几百兆乱码文件。我一般会先执行unzip -l查看文件清单：

unzip -l 建筑工地安全目标检测数据集.zip | head -50 unzip -q -O GBK 建筑工地安全目标检测数据集.zip -d site_safety ls site_safety

第一行只列出压缩包内容，不实际解压，配合head -50看前 50 条记录，能快速确认是否有 images、labels、README 等目录，也能提前发现文件名是否带中文或空格。第二行才是真正解压，-O GBK参数表示按 GBK 编码解码文件名，用来处理 Windows 上压缩、Linux 上解压的中文乱码问题。最后ls查看解压结果。

如果当前系统的 unzip 不支持-O参数，比如某些精简版 BusyBox 环境，就用 Python 的 zipfile 解码：

import zipfile zip_path = "建筑工地安全目标检测数据集.zip" with zipfile.ZipFile(zip_path) as zf: for name in zf.namelist()[:20]: print(name)

这段逻辑很简单：打开 zip 后列出前 20 个条目，确认命名是否可读。遇到乱码严重的包，我会直接在 Python 里按 cp936 重新解码文件名并逐个写出，而不是依赖系统 unzip。文件名一旦乱码，后续 images 和 labels 的配对脚本会全部断链，这一步值得提前处理。

2.3 YOLO 标注五个字段的真实含义

如果你拿到的包是 YOLO 格式，每个 txt 文件对应一张图片，每一行代表一个目标框。五个字段分别是类别 ID、归一化中心点 x、归一化中心点 y、归一化框宽、归一化框高。用下面这段 Python 读一个标注文件看内容：

from pathlib import Path label_file = Path("site_safety/labels/train/IMG_0001.txt") class_names = Path("site_safety/classes.txt").read_text().splitlines() for line in label_file.read_text().splitlines(): cls, xc, yc, w, h = line.split() cls = int(cls) xc, yc, w, h = map(float, (xc, yc, w, h)) print(class_names[cls], round(xc, 4), round(yc, 4), round(w, 4), round(h, 4))

字段含义对照如下：

这里最容易犯的错是把归一化坐标直接当像素坐标用。比如有人拿到 xc=0.5 就当成图像第 0.5 个像素去画框，画出来全在左上角。正确做法是乘回图像的宽高，而且要保留浮点精度。还有一个细节：类别 ID 的顺序必须和 classes.txt 完全一致，classes.txt 里第 1 行是 ID 0，第 2 行是 ID 1，顺序一旦调换，训练出来的模型类别就全错位了。所以拿到 zip 后先打印 classes.txt 全文，和数据集说明文档对着看，确认类别顺序再继续。

2.4 把 VOC 转成 YOLO 格式：转换脚本与四个边界坑

如果包里的标注是 VOC XML，训练 YOLO 前必须转格式。常见做法是自己写一个转换脚本，不要指望现成工具能处理所有边界情况。下面这段脚本把 XML 里的 bndbox 转成 YOLO 的归一化 txt：

import xml.etree.ElementTree as ET from pathlib import Path def voc_to_yolo(xml_path: Path, out_dir: Path, class_map: dict): tree = ET.parse(xml_path) root = tree.getroot() img_w = int(root.find("size/width").text) img_h = int(root.find("size/height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text if name not in class_map: continue bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) x_center = (xmin + xmax) / 2.0 / img_w y_center = (ymin + ymax) / 2.0 / img_h box_w = (xmax - xmin) / img_w box_h = (ymax - ymin) / img_h lines.append(f"{class_map[name]} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}") out_dir.mkdir(parents=True, exist_ok=True) (out_dir / (xml_path.stem + ".txt")).write_text("\n".join(lines) + "\n")

逻辑说明：先读 XML 里的图像宽高，然后遍历每个 object，把像素坐标换算成归一化中心点加宽高。class_map 是类别名到 ID 的映射字典，比如{"helmet": 0, "head": 1, "smoke": 2}。这个映射必须手工维护，而且和训练时 dataset.yaml 里的 names 顺序保持一致。

转换脚本本身不难，难的是一辈子会踩到四个边界坑。第一个坑是 xmin 大于 xmax，XML 里框的起点终点写反了，转换后 w 是负数，YOLO 训练直接报错，修复方式是在转换前做一次冒泡修正。第二个坑是框超出图片边界，比如 ymax 大于 img_h，归一化后得到大于 1 的坐标，训练时不会被立刻报错，但推理结果会偏，需要做 clamp 或者直接丢弃越界框。第三个坑是空 XML，一张图没有一个 object，转换后生成空 txt，很多训练框架会把空 txt 当负样本，但如果整个数据集空标注过多，反而会拉偏训练。第四个坑是类别名不统一，同一份数据里 helmet、hard_hat、safety_helmet 混着写，class_map 里没对齐的类别会被静默跳过，最后发现某个类别一张图都没训到。这四个坑我建议写成独立脚本的断言检查，每转完一批就打印一次类别统计，别等训练完再发现。

3. 训练前的数据校验与清洗：把「能训练」变成「不翻车」

3.1 文件配对检查：images 与 labels 一一对应的快速脚本

解压完成、格式确认之后，最该做的第一件事是检查图片和标注文件是否一一对应。很多公开数据集的 zip 里会出现孤儿标注或者缺失标注：有人手工清理过坏图，但忘了删对应 txt；也有人从别的数据集拼接过来，标注文件名对不上。我用下面这段脚本跑一遍全量检查：

from pathlib import Path data_dir = Path("site_safety") image_exts = {".jpg", ".jpeg", ".png", ".bmp"} images = {p.stem: p for p in (data_dir / "images").iterdir() if p.suffix in image_exts} labels = {p.stem: p for p in (data_dir / "labels").iterdir() if p.suffix == ".txt"} for stem in sorted(images.keys() - labels.keys()): print(f"[missing label] {images[stem]}") for stem in sorted(labels.keys() - images.keys()): print(f"[orphan label ] {labels[stem]}") print(f"total images={len(images)}, labels={len(labels)}")

逻辑说明：脚本把 images 目录和 labels 目录下所有文件的文件名（不含后缀）分别收集成集合，然后做差集。images.keys() - labels.keys()表示有图无标注，这部分图片要么补标注，要么从训练集删除；labels.keys() - images.keys()表示有标注无图，这部分 txt 留着只会让训练脚本读不到对应图片，直接删掉。

参数说明：image_exts按实际图片后缀调整，有些包给的是 .webp 或 .tif，记得加进去。如果你拿到的压缩包目录结构不同，比如图片在 JPEGImages 子目录、标注在 Annotations 子目录，把两个 Path 换成实际目录即可。跑完看总数，如果图片和标注数量差在 1% 以内，通常只是个别坏文件；如果差 10% 以上，这个数据集就得仔细看是不是有人只导出了部分标注。

3.2 标注合法性检查：越界框、空框和非法类别 ID

配对检查只解决「文件在不在」的问题，解决不了「标注内容对不对」的问题。工地数据集里最常见的脏数据是越界框和空框，有些是标注工具导出时算错，有些是图像被裁剪后老标注没同步更新。训练前我会跑一个合法性脚本：

from pathlib import Path label_dir = Path("site_safety/labels") num_classes = len(Path("site_safety/classes.txt").read_text().splitlines()) for label_file in label_dir.glob("*.txt"): bad_lines = [] for idx, line in enumerate(label_file.read_text().splitlines(), 1): parts = line.split() if len(parts) != 5: bad_lines.append((idx, "field count")) continue cls, xc, yc, w, h = map(float, parts) if not (0 <= xc <= 1 and 0 <= yc <= 1): bad_lines.append((idx, "center out of range")) if w <= 0 or h <= 0: bad_lines.append((idx, "empty box")) if not (0 <= cls < num_classes): bad_lines.append((idx, "class id overflow")) if bad_lines: print(label_file, bad_lines[:10])

逻辑说明：逐行解析每个 txt 标注，检查五件事——字段数是否为 5、中心点是否在 0 到 1 之间、宽高是否大于 0、类别 ID 是否在 classes.txt 范围内。任一条件不满足就把文件名和行号打出来，方便定位到具体图片。

参数说明：中心点范围按 0 到 1 判断，但有些包的标注会略超边界，比如 xc=1.02，这种我一般用 clamp 修成 1.0 再保留；如果中心点跑到 1.5 甚至负数，说明坐标换算错了，直接删掉这一行。宽高小于等于 0 的框是无效框，删掉即可。类别 ID 越界通常是 classes.txt 重新排序后 txt 没同步更新，需要找到对应图片重新标注或重新映射 ID。这个脚本跑出来的问题建议直接写进修复脚本批量处理，不要手动改几百个 txt。

3.3 画框抽检：把标签可视化到原图，肉眼找标注噪声

脚本检查能抓出格式错误，但抓不出标注噪声。所谓标注噪声，就是框的位置虽然合法，但框得不对：安全帽只框了帽檐的一半，反光衣把整个人框成矩形，或者把红色水桶当成安全帽。这种噪声必须把标注画回到图片上肉眼检查。下面这段脚本用 OpenCV 把前 200 张图的标注框画出来：

import cv2 from pathlib import Path image_dir = Path("site_safety/images") label_dir = Path("site_safety/labels") class_names = Path("site_safety/classes.txt").read_text().splitlines() check_dir = Path("check_output") check_dir.mkdir(exist_ok=True) for image_path in list(image_dir.glob("*.jpg"))[:200]: label_path = label_dir / (image_path.stem + ".txt") img = cv2.imread(str(image_path)) if img is None: print("skip", image_path) continue if label_path.exists(): for line in label_path.read_text().splitlines(): cls, xc, yc, w, h = map(float, line.split()) H, W = img.shape[:2] x1 = int(round((xc - w / 2) * W)) y1 = int(round((yc - h / 2) * H)) x2 = int(round((xc + w / 2) * W)) y2 = int(round((yc + h / 2) * H)) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, class_names[int(cls)], (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite(str(check_dir / image_path.name), img)

逻辑说明：读取图片后，把归一化的中心点坐标乘回像素宽高，用round而不是int强转，避免丢精度导致框偏移一两个像素。然后在图片上画出绿色矩形和类别名，统一输出到 check_output 目录。参数说明：[:200]是抽前 200 张，实际建议每类至少抽 30 张；如果数据量大，可以改成按类别分层抽样。检查时重点看三类问题：框是否完整包住目标、类别名是否和目标一致、是否存在漏标——比如图片里明显有人但没框。

3.4 按摄像头分组切分数据集：验证集虚高必须从源头避免

很多人拿到数据集后直接随机切分 train 和 val，这在工地场景是个大坑。同一段监控视频连续抽帧出来的图片背景高度相似，随机切分会把同一批连续帧同时分进训练集和验证集，模型记住了场景而不是学会了检测，验证指标虚高。正确做法是按摄像头或点位分组切分。下面这段脚本以文件名前缀作为摄像头 ID 分组：

import random, shutil from pathlib import Path random.seed(42) img_root = Path("site_safety/images") lab_root = Path("site_safety/labels") train_img = Path("site_safety/images/train") val_img = Path("site_safety/images/val") train_lab = Path("site_safety/labels/train") val_lab = Path("site_safety/labels/val") for d in (train_img, val_img, train_lab, val_lab): d.mkdir(parents=True, exist_ok=True) stems = sorted(p.stem for p in img_root.glob("*.jpg")) groups = {} for stem in stems: prefix = stem.split("_")[0] groups.setdefault(prefix, []).append(stem) val_prefixes = set(random.sample(list(groups), max(1, int(len(groups) * 0.2)))) for stem in stems: prefix = stem.split("_")[0] dst_img = (val_img if prefix in val_prefixes else train_img) / (stem + ".jpg") dst_lab = (val_lab if prefix in val_prefixes else train_lab) / (stem + ".txt") shutil.move(str(img_root / f"{stem}.jpg"), str(dst_img)) shutil.move(str(lab_root / f"{stem}.txt"), str(dst_lab))

逻辑说明：先把所有图片按文件名下划线前的部分分组，cam01_00001.jpg和cam01_00002.jpg属于 cam01 这一组；然后随机取 20% 的组作为验证集；最后把对应图片和标注一起移动到 train 或 val 目录。这样验证集里的摄像头在训练时完全没见过，测出来的指标才有说服力。参数说明：分组前缀的分隔符按你实际文件名调整，有的数据集是site1_xxx.jpg，有的直接用目录分层；如果文件名没有分组特征，只能按视频 ID 或采集时间人工分组。还有一点要注意——移动文件后原来的图片根目录就空了，dataset.yaml 里的 train 和 val 路径要相应写成images/train和images/val。

4. 用 YOLOv8 跑通工地安全检测的最小闭环：从 dataset.yaml 到 ONNX 导出

4.1 为什么选 YOLOv8：生态、预训练和部署便利

工地安全目标检测这个场景，选型上我一般直接用 YOLO 系列，理由有三条。第一是生态成熟，标注格式、训练脚本、推理代码都有现成方案，不用自己造轮子；第二是预训练权重效果好，COCO 上训出来的特征对安全帽、人这类常见目标迁移友好；第三是部署链路短，训练完导出 ONNX 或 TensorRT 就能上边缘盒子。YOLOv8 目前是主流选择，v5 也还能用，但 v8 在训练参数上和 ultralytics 生态结合更顺。如果你的目标是低算力设备，可以考虑 yolov8n；如果对召回率要求高，用 yolov8m 或 yolov8l。版本本身不必纠结，能稳定出 best.pt 就行。

4.2 写一份不翻车的 dataset.yaml：路径、names 与中文类别名

YOLOv8 训练时用 dataset.yaml 描述数据位置和类别。最常见的翻车点有两个：一是路径写错，二是类别名用中文。ultralytics 的配置读取对中文路径和中文类别名支持都不够稳，容易在训练中途报编码错误。我建议解压后把所有目录和文件名统一改成英文，再写配置。一个标准的 dataset.yaml 如下：

# site_safety.yaml path: /opt/data/site_safety # 数据集根目录，路径不要带中文和空格 train: images/train val: images/val names: 0: helmet 1: head 2: human 3: reflective_clothes 4: smoke 5: fire

逻辑说明：path 是数据集根目录，train 和 val 是相对根目录的图片路径，names 是类别 ID 到名称的映射。这里 names 的顺序必须和标注 txt 里的类别 ID 完全一致，如果训练时发现类别对不上，先回头看 classes.txt。参数说明：names里的类别名会直接显示在推理结果的标签上，建议用英文小写加下划线；如果数据集里只有安全帽和人两类，就只写 0 和 1，别把空类别留在里面，否则训练时该类没有样本会报错。

4.3 训练命令与 6 个关键参数：epochs、imgsz、batch 怎么调

配置写好之后，训练命令本身不长。以 yolov8m 预训练权重起步，命令如下：

yolo detect train \ data=site_safety.yaml \ model=yolov8m.pt \ epochs=120 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ seed=42 \ project=run_site_safety

逻辑说明：这行命令会用 COCO 预训练的 yolov8m.pt 作为初始权重，在 site_safety.yaml 指定的训练集上微调，输出到 run_site_safety 目录。训练过程会打印每个 epoch 的 loss、mAP50、mAP50-95 等指标，同时把结果写入run_site_safety/train/results.csv。

参数说明里，最关键的六个如下：

这里单独说一下 imgsz。工地场景的安全帽在画面里经常是很小的目标，跟遥感目标检测里找小目标是同一类问题。640 是默认值，但如果摄像头画面里工人离得远，安全帽可能只有十几个像素宽，这时候把 imgsz 提到 1280 能明显提高小目标召回率，代价是显存占用翻四倍、推理速度变慢。我一般先用 640 跑一轮，看 mAP50 和验证集上的误检，再决定要不要升到 1280。还有一个小技巧，训练时设置seed=42，保证每次随机切分和增强可复现，排查问题时能少一个变量。

4.4 验证、导出 ONNX 与单图推理：模型落地三连

训练结束后，第一步是回归验证，确认 best.pt 在验证集上的表现；第二步是导出部署格式；第三步是拿真实场景图片做单图推理。三个命令串起来就是完整的落地链路：

yolo detect val model=run_site_safety/train/weights/best.pt \ data=site_safety.yaml \ batch=16 \ imgsz=640

yolo export model=run_site_safety/train/weights/best.pt \ format=onnx \ imgsz=640 \ opset=12

yolo predict model=run_site_safety/train/weights/best.pt \ source=test_spot.jpg \ conf=0.35 \ iou=0.45

逻辑说明：val 命令用训练阶段留下的 best.pt 重新跑验证集，输出 mAP 和混淆矩阵，这一步用来确认训练过程没有异常。export 命令把 PyTorch 权重转成 ONNX，opset=12 是兼容性比较稳的选择，如果部署环境是 TensorRT，可以在这个基础上再转 engine 格式。predict 命令加载模型对单张图推理，conf 是置信度阈值，iou 是 NMS 的 IoU 阈值。

参数说明：conf=0.35低于默认的 0.25，适合工地场景里目标小、置信度普遍不高的情况；但调低 conf 会带来更多误检，所以推理阈值要结合后续报警逻辑一起调。iou=0.45控制重叠框的合并严格程度，目标密集时调到 0.5 以上可以保留更多框。导出 ONNX 后建议用onnxruntime跑一遍输入输出，确认输出层的 shape 和类别数对应，很多部署问题都出在导出环境与推理环境的 opset 版本不一致上。

5. 常见问题排查：工地数据集从 zip 到模型这五个坎

5.1 坑一：zip 解压后文件名乱码，图片与标签全部断链

现象：解压后文件显示为����.jpg或者中间有不可见字符，Python 脚本读取时直接报 FileNotFoundError，图片和标注配对数量差得离谱。

原因：zip 包在 Windows 上压缩时，文件名编码是 GBK；服务器上 Linux 默认用 UTF-8 解码，两边对不上就乱码。这是工地数据集 zip 最经典的坑，因为很多采集标注流程都在 Windows 上完成。

解决：解压时加-O GBK参数，或者用 Python 的 zipfile 按 cp936 重新解码文件名再写出。解压后立刻用第 3.1 节的配对脚本检查一遍，确保没有断链才进入下一步。如果乱码已经发生，不要手动重命名几百个文件，写一个映射脚本批量处理。

5.2 坑二：随机切分让验证集虚高，模型一到新工地就失灵

现象：训练时验证集 mAP50 高达 0.92，部署到新工地后漏检严重，安全帽根本框不住。

原因：按单帧随机切分 train 和 val，同一摄像头同一时段的连续帧被分到两边，模型把背景当成了特征，在验证集上「背题」拿高分。

解决：使用第 3.4 节的按摄像头分组切分方法，保证验证集里的摄像头从未出现在训练集。如果数据集没有摄像头 ID，就用文件名前缀或采集目录分层。这个习惯能让验证指标从「好看」变成「可信」。

5.3 坑三：类目失衡，安全帽样本多、烟雾明火几乎没有

现象：训练结束后安全帽类别 AP 很高，但 smoke 或 fire 类别 AP 接近 0，甚至训练日志里该类 mAP 显示为 NaN。

原因：工地数据集里安全帽和人的样本数量通常上万，明火和烟雾可能只有几百张，模型根本没学到足够特征。类别不均衡在长尾场景里非常普遍，我在 CrowdHuman 这类公开数据集上也遇过类似问题。

解决：先统计每个类别的框数量，差距超过 10 倍就必须处理。常见做法是：对少样本类别做 3 到 5 倍复制增强，或者开 mosaic 增强让少类别样本更多参与混合；如果条件允许，补采或合成一部分数据比调参更有效。训练时也可以给少样本类别设置更高的损失权重，但这个参数在不同训练框架里效果差异大，我一般先做数据层面的均衡。

5.4 坑四：多边形分割标注被当成矩形检测框读

现象：训练脚本解析标注时报数组越界，或者某些 txt 每行字段数明显超过 5 个，画出框来是歪的。

原因：部分工地数据集同时提供分割标注，polygon 坐标是多个点，格式和检测框完全不同。直接当成 YOLO 检测框读，字段数对不上，训练自然崩。

解决：先看 classes.txt 旁边有没有说明文档，确认标注格式。如果是 polygon，先把多边形点集的 min_x、min_y、max_x、max_y 转成外接矩形，再按第 2.4 节的公式归一化。转换后跑一遍第 3.2 节的合法性检查，确认字段数和取值范围正常。

5.5 坑五：标签噪声比缺样本更伤，画框抽检一定要做

现象：训练指标正常，但模型在红色水桶、黄色安全帽和橙色反光衣之间频繁误检，把水桶当安全帽报警。

原因：标注边界不一致。有人把安全帽只框到帽檐，有人把整个头都框进去，还有人把背景中形似目标的物体也标成了正样本。模型学到的目标边界是模糊的，推理时自然把相似物体都框出来。

解决：第 3.3 节的画框抽检不是可选项，是必须项。每类抽 30 张以上，把明显标错的样本挑出来修正。更高效的办法是找有标注经验的人复核一遍，比闷头加数据更省钱。如果数据集太大没法全量复核，至少保证验证集是干净且人工抽检过的，否则连模型好坏都判断不了。

6. 从 mAP 到误报率：把工地检测模型接到业务闭环的三个习惯

6.1 用 F1 与误报率选阈值，而不是只盯 mAP 选模型

训练跑完以后，大多数人只看 mAP50。工地场景里更重要的指标是误报率和漏报率。我会把验证集跑一遍，记录不同 conf 阈值下的 F1 分数：conf 从 0.2 扫到 0.6，每 0.05 算一次，选漏报最少且误报能接受的档位。安全帽场景我一般从 0.35 起步，如果现场摄像头角度高、目标小，会调到 0.25；如果误报太多干扰值守人员，再往上抬。mAP 用来横向对比模型版本，F1 和误报率用来定阈值，两者用途不同。

6.2 违规判定放在后处理，不依赖单模型输出

工地安全检测真正要输出的是「未戴安全帽」这个事件，而不是「画面里有一个人没有 helmet 框」。如果数据集里只有 helmet 类别，或者人和安全帽被分别检测，我会在推理后处理里做配对：先找人的头部区域，再检查该区域内是否存在置信度足够的 helmet 框，用 IoU 判断二者绑定关系。这个逻辑能解释得清楚，出现误报时也容易定位是检测问题还是绑定问题。一旦报警，把绑定结果连同原图一起存档，比只存一个矩形框有用得多。

6.3 badcase 归档与每周增量训练

部署之后不会一劳永逸。我会把每周误报和漏报的截图单独归档，攒到一两百张就做一次增量训练，把坏案例混入原训练集重新微调。夜间黄色反光衣和地面泥土同色导致的误报，往往在加了十几张针对性样本之后就有明显改善。我现在拿到任何工地数据集，第一件事还是先做第 3 章的文件匹配与画框抽检，看完再谈训练。看起来慢，实际省下的排障时间比训练时间多得多。希望帮到你。

本文还有配套的精品资源，点击获取