簡介下載包提供基于 YOLO11n 訓(xùn)練的安全帽檢測模型面向施工現(xiàn)場、廠區(qū)安防等場景用于自動(dòng)識(shí)別人員是否佩戴安全帽。模型覆蓋 .pt、.onnx、.rknn 等主流格式既適合在 PyTorch 環(huán)境中繼續(xù)訓(xùn)練與調(diào)試也可通過 ONNX 接入通用推理框架或部署到 RK3588/RK3576 等 Rockchip NPU 設(shè)備滿足實(shí)時(shí)監(jiān)測需求。資源共 9 個(gè)文件壓縮包約 49.47MB另有 .bin、.xml、.yaml、.tar 等配置與網(wǎng)絡(luò)結(jié)構(gòu)文件便于理解模型結(jié)構(gòu)和二次開發(fā)。已有 361 人學(xué)習(xí)下載。使用者可根據(jù)目標(biāo)硬件選擇對(duì)應(yīng)格式快速部署用于搭建安全帽佩戴檢測系統(tǒng)或作為 YOLO11 工業(yè)落地的參考案例有助于節(jié)省模型訓(xùn)練與格式轉(zhuǎn)換時(shí)間。 工地安全帽檢測這東西看著簡單真正做成一個(gè)能用的 YOLO11n 模型里面坑是真不少。我最初以為拿開源數(shù)據(jù)集一訓(xùn)就完事結(jié)果放到現(xiàn)場監(jiān)控畫面里漏檢、誤檢全來了反光、遠(yuǎn)景小人、遮擋每一類都能讓你懷疑人生。這篇就把我用 YOLO11n 從頭訓(xùn)安全帽模型的完整過程寫下來包括數(shù)據(jù)準(zhǔn)備、標(biāo)注格式、訓(xùn)練參數(shù)、踩坑記錄給準(zhǔn)備上手或者正在調(diào)模型的朋友一個(gè)可以直接照著做的參考。1. 為什么選 YOLO11n 做安全帽檢測1.1 安全帽檢測的實(shí)際需求與難點(diǎn)安全帽檢測是工地、工廠、園區(qū)等場景下的標(biāo)準(zhǔn)視覺任務(wù)核心是自動(dòng)判斷人員是否佩戴安全帽。它的難點(diǎn)不在“認(rèn)識(shí)安全帽”而在真實(shí)場景的復(fù)雜度鏡頭角度俯視、逆光、帽子和頭發(fā)顏色接近、人員密集遮擋、遠(yuǎn)處目標(biāo)小到只有十幾個(gè)像素。所以模型不能只會(huì)在公開數(shù)據(jù)集上表現(xiàn)好還得能扛住現(xiàn)場部署環(huán)境的折騰。這類任務(wù)通常是邊端部署用 Jetson、工控機(jī)甚至樹莓派這種算力有限的設(shè)備所以模型體積和推理速度必須兼顧。YOLO11n 是 ultralytics 系列里最輕量的版本參數(shù)量只有大概 2.6MFP16 精度下模型文件才 5MB 出頭用 GPU 推理單幀能跑到毫秒級(jí)用 CPU 也能做到實(shí)時(shí)邊緣部署。對(duì)安全帽檢測這種需要多路攝像頭并發(fā)分析的項(xiàng)目選 n 版本就是奔著“穩(wěn)、快、省顯存”去的。1.2 YOLO11n 相比 YOLOv5/v8 的選型邏輯很多人問YOLOv5 和 YOLOv8 已經(jīng)很成熟了為什么還要用 YOLO11n我個(gè)人的理解是YOLO11 把 C3/C2f 模塊換成了 C3k2訓(xùn)練收斂更穩(wěn)對(duì)小目標(biāo)的特征提取也有優(yōu)化。雖然精度提升幅度不像版本號(hào)看起來那么大但在安全帽這種中小型目標(biāo)為主的場景里mAP 能漲 1-3 個(gè)點(diǎn)就很值得了。更關(guān)鍵的是 YOLO11n 的模型結(jié)構(gòu)更輕同樣的 batch size 下訓(xùn)練顯存占用比 YOLOv8n 低。我是用單張 RTX 3090 訓(xùn)的24G 顯存能開到 batch 64訓(xùn)練速度明顯比 v8 流暢。對(duì)于個(gè)人開發(fā)者和小團(tuán)隊(duì)來說這決定了你能否快速迭代數(shù)據(jù)。YOLO11 還有原生支持旋轉(zhuǎn)檢測的 OBB 版本但目前安全帽檢測用普通水平框就夠了不需要引入額外復(fù)雜度。2. 數(shù)據(jù)集準(zhǔn)備與標(biāo)注規(guī)范2.1 數(shù)據(jù)采集別只依賴公開數(shù)據(jù)集安全帽檢測的開源數(shù)據(jù)集不少比如 SHWD、Global Wheat 等但直接用它們訓(xùn)練出來的模型換到自己的現(xiàn)場很容易廢掉。這些數(shù)據(jù)集的相機(jī)視角、光線、安全帽樣式和你實(shí)際布控的場景差別很大。我的做法是“公開數(shù)據(jù)打底 現(xiàn)場數(shù)據(jù)增強(qiáng)”先用 SHWD 這類數(shù)據(jù)集做預(yù)訓(xùn)練然后用攝像頭真實(shí)抓拍畫面補(bǔ)充訓(xùn)練。現(xiàn)場采集時(shí)注意三點(diǎn)一是多時(shí)段采集早上逆光、中午強(qiáng)光、晚上補(bǔ)光都必須有二是多角度采集球機(jī)變倍后的近景和遠(yuǎn)處全景都要收集三是把沒戴帽子、戴帽子但帽子顏色和背景接近、帽子拿在手上這些特殊樣本單獨(dú)整理。大概采了 8000 多張現(xiàn)場圖片加上公開數(shù)據(jù)集最終篩出有效圖片約 1.2 萬張。數(shù)據(jù)安全方面也要留意工地現(xiàn)場畫面可能涉及人員隱私和安全管理規(guī)定訓(xùn)練數(shù)據(jù)不要隨意上傳公開平臺(tái)自己本地標(biāo)注、本地訓(xùn)練最穩(wěn)妥。2.2 標(biāo)注方案單類還是多類安全帽檢測的標(biāo)注方案有兩種主流選擇。一種是直接用 helmet 單類把所有戴帽子的頭標(biāo)出來。另一種是檢測 person、head、helmet 三個(gè)類別再通過后處理邏輯判斷 head 和 helmet 的匹配關(guān)系。前者簡單但很難處理“身邊有人戴帽子但自己沒戴”這種場景后者邏輯更靈活可以統(tǒng)計(jì)戴帽率和違規(guī)行為但標(biāo)注工作量翻倍。我采用的是 head helmet 雙類別方案。標(biāo)注時(shí)只標(biāo)頭部區(qū)域和頭盔區(qū)域不標(biāo)整個(gè)人體。這樣模型專注在最關(guān)鍵的部位避免 person 類別遮擋嚴(yán)重時(shí)監(jiān)督信號(hào)被干擾。判定是否佩戴時(shí)計(jì)算 head bbox 和 helmet bbox 的 IoUIoU 大于 0.3 就認(rèn)為已佩戴。這個(gè)方法在多人密集場景下比單類檢測穩(wěn)定得多。2.3 YOLO 標(biāo)注格式轉(zhuǎn)換與目錄劃分YOLO 系列使用 txt 格式標(biāo)注一行代表一個(gè)目標(biāo)內(nèi)容為類別id x_center y_center width height坐標(biāo)是歸一化到 0-1 的數(shù)值。比如圖片寬 1920目標(biāo)框中心 x 坐標(biāo) 960那么x_center0.5。用 LabelImg 或 X-AnyLabeling 標(biāo)注時(shí)導(dǎo)出成 YOLO 格式即可。如果你拿到的是 COCO 格式或 VOC 格式的數(shù)據(jù)集需要寫個(gè)轉(zhuǎn)換腳本。import os def convert_voc_to_yolo(xml_path, out_dir, classes): # 這里只展示核心邏輯 import xml.etree.ElementTree as ET tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) with open(out_dir, w) as f: for obj in root.iter(object): cls obj.find(name).text if cls not in classes: continue box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h f.write(f{classes.index(cls)} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n)目錄結(jié)構(gòu)按 ultralytics 的習(xí)慣來圖片和標(biāo)注文件放同一級(jí)目錄圖片名和 txt 名一致。數(shù)據(jù)集根目錄下面建images/train、images/val、labels/train、labels/val四個(gè)文件夾然后寫一個(gè) data.yamlpath: D:/projects/helmet_detection/dataset train: images/train val: images/val names: 0: head 1: helmet劃分比例我用的 9:1因?yàn)榘踩眻鼍爸貜?fù)背景太多驗(yàn)證集不需要太大但要保證每個(gè)工地、每個(gè)光線條件下的畫面都有覆蓋。3. 訓(xùn)練環(huán)境與超參數(shù)配置3.1 本地訓(xùn)練環(huán)境搭建YOLO11n 訓(xùn)練依賴 ultralytics 庫、PyTorch 和 CUDA。安裝很簡單但有幾個(gè)版本坑需要注意。Python 我用的是 3.10PyTorch 2.x 配 CUDA 11.8ultralytics 用 8.3.x 以上版本因?yàn)?YOLO11 是 8.3.0 之后才正式支持的。如果你還在用 8.0.x直接訓(xùn)練會(huì)出現(xiàn) model 不支持的報(bào)錯(cuò)。conda create -n yolo11 python3.10 conda activate yolo11 pip install ultralytics8.3.7 torch2.1.2 torchvision0.16.2 --index-url https://download.pytorch.org/whl/cu118裝完后先跑一次官方示例確認(rèn)環(huán)境沒問題不要一上來就用自己的數(shù)據(jù)。yolo predict modelyolo11n.pt sourcehttps://ultralytics.com/images/bus.jpg這行命令能出結(jié)果說明環(huán)境正常。建議用 CPU 推理測試一次再用 GPU 測試一次排查驅(qū)動(dòng)層面的問題。訓(xùn)練時(shí)我開了 CUDA、CUDNN確保用的是 GPU 而不是 CPU否則訓(xùn)練速度慢到懷疑人生。3.2 核心超參數(shù)的選擇思路安全帽檢測訓(xùn)練中最影響結(jié)果的是imgsz、batch、epochs、optimizer和lr0。我實(shí)驗(yàn)下來比較穩(wěn)的配置如下參數(shù)推薦值說明imgsz640安全帽目標(biāo)不算極小640 平衡精度和速度batch6424G顯存顯存不夠用 16-32別硬上epochs150數(shù)據(jù)量 1 萬張左右150 輪基本收斂optimizerAdamW比 SGD 收斂快適合快速迭代lr00.0005~0.001預(yù)訓(xùn)練模型微調(diào)用 0.001 以內(nèi)合理warmup_epochs3.0穩(wěn)定初期訓(xùn)練weight_decay0.0005防止過擬合imgsz 不建議一開始就設(shè)成 1280訓(xùn)練顯存會(huì)翻 4 倍而且安全帽檢測用 640 已經(jīng)足夠。真要到小目標(biāo)場景先把 mosaic 增強(qiáng)開大再考慮提升分辨率成本更低。有個(gè)容易被忽略的參數(shù)是close_mosaic。ultralytics 會(huì)在最后 10 輪自動(dòng)關(guān)閉 mosaic 增強(qiáng)防止模型過度依賴拼接圖的上下文。訓(xùn)練輪數(shù)少于 50 時(shí)建議手動(dòng)把close_mosaic調(diào)到 5避免增強(qiáng)策略影響真實(shí)場景表現(xiàn)。3.3 訓(xùn)練命令與參數(shù)文件我不用命令行堆參數(shù)而是寫一個(gè) training.yaml 繼承模型的默認(rèn)配置。這樣可以隨時(shí)回滾參數(shù)也方便多人協(xié)作。# train_config.yaml task: detect mode: train model: yolo11n.pt data: D:/projects/helmet_detection/dataset/data.yaml epochs: 150 time: null patience: 50 batch: 64 imgsz: 640 save: true device: 0 workers: 8 optimizer: AdamW lr0: 0.0007 lrf: 0.01 warmup_epochs: 3.0 close_mosaic: 10執(zhí)行訓(xùn)練yolo train cfgtrain_config.yaml訓(xùn)練開始后終端會(huì)先打印模型參數(shù)量、FLOPs 和每層結(jié)構(gòu)。這時(shí)候注意看Parameters大約是 2.6M如果是幾千萬參數(shù)說明你加載成了 s/m/l 版本檢查一下模型權(quán)重路徑。4. 訓(xùn)練過程監(jiān)控與常見問題排查4.1 怎么判斷模型有沒有在好好學(xué)訓(xùn)練過程中每隔一段時(shí)間輸出一組指標(biāo)重點(diǎn)看train/box_loss、train/cls_loss、val/box_loss和metrics/mAP50(B)。安全帽檢測任務(wù)里mAP50 比 mAP50-95 更直觀因?yàn)榘踩笔菃晤惸繕?biāo)框交并比稍差一點(diǎn)也被算對(duì)mAP50 一般要做到 0.95 以上才算合格。Loss 曲線整體趨勢是下降。如果 train loss 一直在降而 val loss 不降甚至上升就是過擬合說明模型在背訓(xùn)練集泛化能力差。我在第二輪迭代時(shí)把 epochs 從 200 降到 150再加了 weight_decayval loss 馬上就平穩(wěn)了。4.2 顯存不足OOM與訓(xùn)練中斷顯存不足是最常見的報(bào)錯(cuò)尤其是 batch 開得太大、圖片分辨率高、workers 設(shè)置過多時(shí)。遇到CUDA out of memory先別急著換顯卡按順序排查batch 降到 32 或 16imgsz從 640 降到 512看效果跌幅大不大workers 改成 4有時(shí)候數(shù)據(jù)加載線程太多會(huì)占額外顯存用device0指定單卡避免多卡同步浪費(fèi)顯存。如果是 Windows 下報(bào)Dataloader worker (pid(s)) exited unexpectedly多數(shù)是路徑問題或者 labels 文件和圖片不對(duì)應(yīng)。檢查 data.yaml 路徑是否絕對(duì)路徑以及 labels 目錄里 txt 命名是否和圖片完全一致包括后綴比如圖片是.jpg標(biāo)簽就是.txt不能用.jpeg混著來。4.3 精度上不去的常見原因訓(xùn)練完了 mAP50 只有 0.7不要急著調(diào)模型先檢查幾個(gè)地方標(biāo)注有沒有錯(cuò)位尤其是遮擋場景下 head 和 helmet 框是否貼合我抽查過一個(gè)樣本標(biāo)注框比實(shí)際頭大 30%導(dǎo)致模型學(xué)偏類別是否均衡。我的數(shù)據(jù)集里 head 和 helmet 目標(biāo)數(shù)量差不多是 1:0.9還算健康如果有一類只有幾百個(gè)就要用instance balance或者多復(fù)制一些這類樣本背景物體是不是干擾太大。比如安全帽顏色和墻面接近模型就會(huì)漏檢。這時(shí)不要盲目加數(shù)據(jù)而是針對(duì)性收集“帽子與背景同色”的負(fù)樣本增強(qiáng)模型對(duì)邊緣特征的敏感度。如果是小目標(biāo)漏檢可以嘗試在訓(xùn)練時(shí)開啟multi-scale讓模型適應(yīng)不同分辨率下的大小變化。我就在訓(xùn)練參數(shù)里加了scale0.5和fliplr0.5對(duì)遠(yuǎn)距離小目標(biāo)改善明顯。5. 模型評(píng)估、導(dǎo)出與部署經(jīng)驗(yàn)5.1 用測試集做最終評(píng)估訓(xùn)練結(jié)束后用predict跑一批訓(xùn)練時(shí)沒見過的現(xiàn)場測試圖按工地、室內(nèi)、夜間三種場景分別統(tǒng)計(jì)準(zhǔn)確率和召回率。不要只看總 mAP因?yàn)椴煌瑪z像頭覆蓋區(qū)域差別很大統(tǒng)一 mAP 會(huì)掩蓋特定場景下崩掉的問題。我把測試圖分成三個(gè)子集500 米外遠(yuǎn)景、近景、夜間補(bǔ)光。結(jié)果發(fā)現(xiàn)模型在近景下 mAP50 達(dá)到 0.97而遠(yuǎn)景只有 0.82。原因是遠(yuǎn)距離的頭部目標(biāo)太小部分只有 10x10 像素。后來我給遠(yuǎn)焦鏡頭單獨(dú)補(bǔ)了 2000 張訓(xùn)練圖mAP 從 0.82 提升到 0.89。這種分場景評(píng)估方式比看一個(gè)總分?jǐn)?shù)實(shí)用得多。5.2 導(dǎo)出 ONNX 與 TensorRT 加速訓(xùn)練好的best.pt不能直接部署到生產(chǎn)環(huán)境通常要導(dǎo)出成 ONNX 或 TensorRT engine。導(dǎo)出命令yolo export modelbest.pt formatonnx opset12 simplifyTrue導(dǎo)出后用 onnxruntime 驗(yàn)證一次import onnxruntime as ort import numpy as np from PIL import Image session ort.InferenceSession(best.onnx) input_name session.get_inputs()[0].name img Image.open(test.jpg).resize((640, 640)) img_array np.array(img).astype(np.float32) / 255.0 img_array np.transpose(img_array, (2, 0, 1))[None, ...] outputs session.run(None, {input_name: img_array}) print(outputs[0].shape)ONNX 對(duì)多路視頻流部署來說速度足夠。如果想進(jìn)一步榨干 GPU 性能再用 TensorRT 導(dǎo)出 FP16 精度模型。一次實(shí)測中ONNX 在 RTX 3090 上單幀推理約 3msTensorRT FP16 約 1.8ms差距明顯。如果你的攝像頭推流是 25 幀每秒ONNX 也能輕松扛住TensorRT 更適合要接十幾路視頻的服務(wù)器。5.3 部署時(shí)最容易被忽略的細(xì)節(jié)部署階段要小心預(yù)處理環(huán)節(jié)。訓(xùn)練時(shí) ultralytics 默認(rèn)用letterbox把圖片縮放成 640x640 并填充灰色邊推理時(shí)如果直接用 cv2 的 resize 把圖片硬拉到 640x640人物會(huì)被拉伸變形檢測框位置也會(huì)偏移。我建議部署代碼里復(fù)現(xiàn)相同的 letterbox 操作否則模型精度會(huì)打折扣。另一個(gè)細(xì)節(jié)是置信度閾值。訓(xùn)練時(shí)默認(rèn) conf0.25但現(xiàn)場場景誤報(bào)多時(shí)可以把 conf 調(diào)到 0.35 甚至 0.4用少量的召回率換更少的誤報(bào)。安全帽檢測這種安全場景寧可偶爾漏報(bào)也不能頻繁誤報(bào)否則現(xiàn)場人員會(huì)對(duì)報(bào)警產(chǎn)生麻木。最后提醒一句模型要持續(xù)迭代。我上線后每周收集一次誤報(bào)和漏報(bào)數(shù)據(jù)用難例重新標(biāo)注并做增量訓(xùn)練。第一次增量訓(xùn)練只加了 500 張圖就把夜間反光導(dǎo)致的誤報(bào)降了一半。模型不是訓(xùn)練完就結(jié)束而是跟著現(xiàn)場數(shù)據(jù)一起成長。這里分享一個(gè)我踩過最深的坑訓(xùn)練中期我發(fā)現(xiàn) loss 降得很慢排查了很久才發(fā)現(xiàn)是數(shù)據(jù)集里有幾百張帶水印的網(wǎng)圖水印區(qū)域被標(biāo)注成了頭盔導(dǎo)致分類混亂。后來加了數(shù)據(jù)清洗腳本把所有非現(xiàn)場拍攝的圖片全部剔除訓(xùn)練立刻順暢了。別小看數(shù)據(jù)集質(zhì)量YOLO11n 模型能力再強(qiáng)喂進(jìn)去垃圾標(biāo)注出來的照樣是垃圾預(yù)測。本文還有配套的精品資源點(diǎn)擊獲取