企业官网建设流程全解析

从标题来看，这就是一个典型的目标检测实战项目。最近不少人在做毕设或者个人项目练手时都瞄上了这个方向，核心原因无非是三点：口罩检测场景贴近生活、数据集好找、YOLO系列模型成熟好落地。而这个项目标题里恰好把最关键的信息都点出来了——模型用YOLOv10、数据用YOLO格式、还要带UI界面、纯Python实现。说实话，这类项目看起来简单，真正从零到一跑通、把模型训练到能用的精度、再封装成一个别人能操作的界面，中间会有不少坑。这篇就把整个项目的核心拆解、实操过程、以及我实际踩过的坑完整记录下来，希望能给正在做类似项目的朋友省点时间。

1. 项目整体设计与思路拆解

1.1 这个系统到底解决什么问题

口罩检测的本质是一个二分类目标检测任务：给定一张图片或者一段视频画面，算法要判断画面里的人脸是否佩戴了口罩，如果戴了，就框出来并标注为“mask”，如果没戴，就框出来标注为“no_mask”。听起来很简单，但真正落地的时候要考虑的东西不少。比如人脸密集的公共场景、口罩颜色与皮肤相近、光线不足、遮挡严重，这些都会影响检测效果。

整个项目可以拆成四个核心模块：数据集构建、模型训练、模型推理、UI界面交互。标题里提到的“YOLOv10+YOLO数据集+UI界面+Python项目+模型”其实就把这四个模块全部涵盖了，每个模块都有独立的坑要处理。

我接触这个项目时，最直接的感受是：它的定位非常适合作为计算机视觉入门到进阶的过渡项目。因为你既不需要从零手写神经网络，也不能仅仅靠着现成模型跑一下就算完事。你需要自己处理数据、调整参数、编写界面，还要把模型推理结果实时展示出来，这中间涉及的知识密度是恰到好处的。

1.2 为什么选择YOLOv10而不是其他版本

很多人看到YOLOv10会好奇，现在YOLOv8都已经很成熟了，v10又是怎么回事？这里得说清楚一个概念：YOLOv10和YOLOv8不是一个简单的版本迭代关系。YOLOv10的核心改进在于它提出了NMS-free的训练策略，也就是说在推理阶段不再需要非极大值抑制（NMS）这一步。传统目标检测模型做完预测之后，会得到大量重复的框，需要NMS来去掉多余的框，而NMS这个过程本身需要调参，阈值设置不好会影响精度。YOLOv10通过双标签分配策略从训练层面解决了这个问题，推理的时候直接输出最终结果，省掉了一个后处理环节，推理速度更快，结构也更简洁。

对于口罩检测这个场景来说，YOLOv10的另一个优势是模型体积小、部署友好。v10系列提供了从n到x等多种规格，其中YOLOv10n的参数量只有2.3M左右，非常适合本机运行。我实际测试下来，在有普通独立显卡的环境下，YOLOv10n做单张图片推理的时间基本在毫秒级别，做成UI界面后实时性和流畅度都有保障。

1.3 整体技术路线选型

整个项目的技术路线主要围绕Python生态展开。模型部分以YOLOv10为基础，训练框架用的是PyTorch，这一点和v5、v8一致，上手门槛不高。数据集方面采用YOLO格式的标注数据，标注信息存储在txt文件中，每一行代表一个目标，格式为“类别 x_center y_center width height”，其中坐标信息是经过归一化的。

UI界面部分，我选择了PyQt5作为主要框架。可能有人会推荐Tkinter或者Gradio，但从实际效果来看，PyQt5在界面美观度、控件丰富度、以及后续扩展性上都有明显优势。通过PyQt5的QThread线程机制，可以把模型推理放到后台线程中执行，避免界面卡死，再通过信号槽机制把检测结果传回主界面进行显示。这个方案在实践中非常可靠。

项目整体结构采用模块化设计，将数据加载、模型推理、界面显示拆分成独立的模块，这样后续如果要替换模型或者扩展功能，只需要修改对应的模块即可，不需要动整个项目。这一点在做类似项目时非常重要。

2. 数据集构建与预处理细节

2.1 口罩检测数据集怎么选、怎么找

口罩检测任务的数据集来源相对充足，公开的资源比较多。常见的几类来源包括Kaggle上的口罩检测数据集、AIZOO的开源口罩数据集，以及GitHub上各种整理好的口罩检测项目数据。这些数据集大多是Voc格式或COCO格式标注，我们需要把它们转换成YOLO格式。

如果要做中文场景下的部署，我建议优先选择亚洲人脸的口罩数据，因为模型训练的效果会受到训练数据分布的影响。比如，如果你用纯欧美人脸数据训练模型，放到中国场景下去检测亚洲人脸，精度很可能会打折扣。另外，数据集中应该尽量包含不同颜色的口罩、不同佩戴方式（比如有些人的口罩挂在下巴上）、不同角度的人脸等，这些多样性对模型的鲁棒性提升非常有帮助。

我实际使用的做法是，从多个公开数据集里抽数据混合在一起，做一个大致均衡的样本集合。这么做的好处是能提升数据多样性，降低模型过拟合的风险。当然，如果你做的是课程设计级别的项目，单用一个公开数据集也完全够用，不必在数据上花太多精力。

2.2 YOLO格式标注与转换工具链

YOLO格式看起来简单，但很多初学者在这里翻车。标注格式要求每个txt文件的文件名和对应图片文件名保持一致，除非没有目标的图片不需要标注文件。分类标签从0开始编号，例如0代表mask，1代表no_mask。每个目标的坐标信息需要归一化到0到1之间，也就是说x_center和y_center是目标中心点相对于图片宽高的比例，而不是像素坐标。

从VOC格式转换到YOLO格式时，可以借助开源工具或者自己写转换脚本。Python脚本的核心逻辑就是读取XML标注文件，解析其中的bndbox坐标，然后计算归一化的中心点坐标和宽高。这里有一个非常容易出错的点：VOC格式中的坐标是左上角（xmin, ymin）和右下角（xmax, ymax），计算中心点时要除以图片的原始宽高，而不是目标本身的宽高。

数据划分方面，我习惯按8:1:1切分训练集、验证集和测试集。这里有个细节，YOLOv10的训练过程和v8类似，即使你不单独提供测试集，训练过程中的验证集也能帮助你观察模型效果，但保留一版独立测试集用于最终评估仍然是个好习惯。

附一个格式转换核心逻辑的参考代码：

import os import xml.etree.ElementTree as ET def convert_annotation(xml_path, out_path, img_width, img_height, class_names): tree = ET.parse(xml_path) root = tree.getroot() lines = [] for obj in root.iter('object'): cls_name = obj.find('name').text if cls_name not in class_names: continue cls_id = class_names.index(cls_name) xmlbox = obj.find('bndbox') xmin = float(xmlbox.find('xmin').text) xmax = float(xmlbox.find('xmax').text) ymin = float(xmlbox.find('ymin').text) ymax = float(xmlbox.find('ymax').text) x_center = (xmin + xmax) / 2.0 / img_width y_center = (ymin + ymax) / 2.0 / img_height w = (xmax - xmin) / img_width h = (ymax - ymin) / img_height lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") with open(out_path, 'w') as f: f.write('\n'.join(lines))

注意，这个脚本里有一个关键点，就是img_width和img_height必须来自图片的真实尺寸。有些数据集的XML里可能包含size标签，直接用那个值也可以，但最稳妥的方法是读取图片后由程序自动获取，避免标注文件里的size和图片实际尺寸不一致导致坐标错乱的问题。

2.3 数据增强策略与注意事项

YOLOv10的训练脚本中自带一些数据增强策略，比如随机翻转、缩放、色彩调整、马赛克等。对于口罩检测这个场景，我建议在马赛克增强上稍微控制一下强度，因为如果一张图中的人脸被马赛克拼贴弄得太小，模型学到的小目标特征可能不够充分。实际操作中，可以关闭或者降低mosaic参数，同时提高hsv色彩调整的强度，因为口罩的颜色深浅对模型的影响较大，适当的色彩变化能让模型对颜色差异更鲁棒。

还有一个很多人容易忽略的问题：口罩检测数据集中，负样本（未戴口罩的人脸）的数量往往比正样本少。为了平衡类别，可以复制一些负样本图片加入训练集，或者使用简单的过采样策略。YOLOv10提供的cls损失权重也可以调整，但最直接、最有效的还是从数据层面做均衡。

2.4 自制数据集的快速做法

如果你需要扩充场景或增加特定环境下的样本，不建议一张张手工标注，直接用半自动标注方案效率会高很多。比如先拿训练好的通用人脸检测模型（或者已经在公开数据集上预训练过的YOLOv10）对素材图片做一次预标注，然后手动修正误检和漏检。用这种方式，1000张图片的标注工作量可以压缩到两三个小时内完成。

需要注意的是，自建数据时，尽量保证目标的标注框贴合目标边缘。如果标注框太大或者太小，都会影响模型学到目标位置的精确定位能力。这是直接影响最终检测精度的一个隐性因素，很多人容易忽略。

3. 模型训练详解与关键参数调整

3.1 环境准备与依赖安装

环境配置是很多初学者第一个遇到的坎。YOLOv10的训练代码基于PyTorch，建议Python版本在3.9及以上。核心依赖包括torch、torchvision、opencv-python、numpy、pyyaml、tqdm等。如果使用GPU训练，请先确认CUDA和PyTorch的版本匹配。

有一个我在实际项目中常用的技巧，如果你不想在自己电脑上折腾深度学习环境，可以直接使用云GPU平台，比如某云厂商的GPU实例或者Colab的免费GPU。这个项目的模型规模并不大，哪怕是免费版的GPU资源，也足以完成一个完整训练流程。如果你是用Colab，需要把数据集上传到Google Drive，然后在notebook里挂载，训练脚本的路径配置需要相应调整。

3.2 训练配置与参数选择

YOLOv10的训练配置主要在yaml文件中，你需要指定训练集路径、验证集路径、类别数量、类别名称等信息。类别名称的写法有讲究，index的先后顺序必须和数据标注中的类别编号保持一致，否则模型训练出来的结果会有问题。

下面是一个典型的配置示例：

path: /path/to/mask_dataset train: images/train val: images/val nc: 2 names: ['mask', 'no_mask']

训练命令通常长这样：

yolo train data=mask.yaml model=yolov10n.yaml pretrained=yolov10n.pt epochs=200 imgsz=640 batch=16

关键参数说明：

• epochs：200轮对于口罩检测这个任务来说是足够的。如果你发现训练集和验证集的损失还在下降，可以适当增加轮数。
• imgsz：输入图像尺寸，640是一个常用的均衡值。分辨率太高会显著拖慢训练速度，而分辨率太低会损失小目标的检测精度。
• batch：受显存限制，根据自己的显卡显存调整。显存不够的时候可以减少batch，同时适当降低模型输入尺寸或采用混合精度训练。
• workers：数据加载线程数，Windows环境下如果设置过大会报错，设为2或者4比较稳妥。

训练过程中，保存的权重文件会存放在runs/train/exp目录下。包括best.pt和last.pt两个文件，best.pt是验证集上精度最优的权重，后续推理使用best.pt即可。

3.3 训练过程监控与结果评估

训练过程中，通过命令行和TensorBoard都可以观察loss变化。需要关注的是box_loss、cls_loss、dfl_loss三大指标的收敛情况。正常情况下，这些指标在训练初期会快速下降，后期趋于平稳。如果发现验证集loss在训练后期反而上升，说明模型过拟合了，这时可以停止训练或者增加数据增强的强度、增大权重衰减参数。

评估模型效果时，主要看precison、recall和mAP50、mAP50-95这几个指标。mAP50是IoU阈值设为0.5时的平均精度，口罩检测任务中mAP50保持在90%以上就说明模型效果不错。mAP50-95是IoU从0.5到0.95取多个阈值计算出的平均结果，这个指标越接近1说明模型定位和分类能力越强，但不必强求，通常0.6以上就已经算是合格水平了。

我实际训练的一组数据可以参考：使用约6000张图片训练YOLOv10n，200轮，imgsz=640，最终在独立测试集上的mAP50达到了0.93，mAP50-95为0.67。对于口罩检测这种类别少、目标尺度相对稳定的任务来说，这个精度已经足够应付日常使用了。

3.4 模型优化与轻量化处理

如果训练出来的模型对于你当前的硬件条件来说体积还是偏大，可以考虑模型剪枝或者蒸馏的方案。但对于这个项目来说，最简单有效的方法是直接使用YOLOv10n这个规格的模型。它体积小、速度快，在CPU上也能勉强跑出可用的帧率，加上GPU辅助后流畅度会大幅提升。

如果需要更进一步的优化，比如部署到边缘设备，可以考虑把PyTorch模型转换成ONNX格式。YOLOv10源码里提供了模型导出的功能，导出后可以使用ONNX Runtime进行推理，这样就不依赖完整的PyTorch环境了，部署成本也会降低。不过，ONNX Runtime在部分动态尺寸场景下对输入尺寸有严格要求，实际导出的onnx模型通常建议固定输入尺寸，比如640x640。这个限制在UI界面场景下影响不大，只要把输入图片做letterbox处理后喂给模型即可。

4. UI界面设计与模型推理集成

4.1 UI界面该做什么、怎么做

课题要求里提到“UI界面”，这个UI界面到底需要哪些功能，不同的项目要求不同。但基础功能无外乎以下几项：图片检测、视频检测、摄像头实时检测，以及结果展示（包括图像显示、检测框绘制、检测数量统计）。

PyQt5做这种桌面应用很合适。操作流程大致是：用户在界面上选择检测模式，比如点击“打开图片”按钮，弹出文件选择对话框，选择一张图片后，程序调用模型进行推理，最后把绘制了检测框的图像显示在界面上。整个过程需要在一个功能完整的界面窗口中完成，而不是简单地弹出一个OpenCV窗口。

我在实操中对界面布局做了这样的安排：左侧是功能按钮区和参数显示区，右侧是图像显示区。用户打开图片后，图像显示区会展示原始画面；点击“开始检测”后，模型在后台线程完成推理，把结果绘制在图像上，再传回UI显示。检测结果的信息，比如检测到多少人、多少人戴了口罩，可以在下方用标签显示出来。

用PyQt5实现这样的功能时，有几个重要的实现细节需要注意。第一个是绘图问题，YOLOv10推理出来的目标框坐标是基于归一化的，要显示在图片上时需要乘回原始图片的宽高。第二个是图像格式转换，PyTorch训练时模型接受的输入是BGR顺序的ndarray（由OpenCV读取），而UI显示需要的是RGB格式，所以需要做一次相互转换。第三个是不要在UI的主线程里执行模型推理，否则图片大的时候界面会陷入“未响应”状态，非常影响体验。

4.2 模型推理封装与线程设计

模型推理部分建议封装成一个独立的推理类，这个类负责加载权重、预处理图像、执行推理、后处理结果，并绘制检测框。核心逻辑参考如下：

import cv2 import torch import numpy as np from ultralytics import YOLO class MaskDetector: def __init__(self, weights_path): self.model = YOLO(weights_path) def detect(self, img_bgr): results = self.model.predict(img_bgr, conf=0.5, imgsz=640, verbose=False) boxes = results[0].boxes names = results[0].names objs = [] if boxes is not None: for box in boxes: x1, y1, x2, y2 = box.xyxy[0].tolist() cls_id = int(box.cls[0].item()) conf = float(box.conf[0].item()) objs.append((int(x1), int(y1), int(x2), int(y2), names[cls_id], conf)) return objs, names

这里用到了ultralytics库的YOLO封装，YOLOv10的训练代码在这一版里已经整合进ultralytics的框架了，所以API风格和YOLOv8基本一致。conf参数可以调节置信度阈值，实际测试时，口罩检测的置信度阈值设置在0.5左右比较合适。设得太低会出现误检，设得过高会漏掉一些遮挡严重或者较远距离的口罩。

UI线程方面，我推荐使用QThread配合信号槽的机制。具体做法是自定义一个继承自QThread的工作线程类，在run方法里循环读取模型推理结果并通过信号发送给主线程，主线程接收到信号后更新界面。这里有一个常见的坑：如果在工作线程中把检测结果直接绘制在界面的QLabel上，而QLabel本身又由主线程管理，大概率会在程序运行时崩溃或者出现闪烁。正确做法是工作线程只负责计算，统一通过信号把结果图片传给主界面再显示。

4.3 摄像头实时检测的实现细节

摄像头实时检测是UI界面里比较吸引人的一个功能，实现起来也并不复杂。可以通过OpenCV读取摄像头视频流，把每一帧图像送入模型推理，再把结果绘制到当前帧上显示出来。不过在实施时有几个实际问题绕不开。

第一个是帧率问题。模型推理速度限制了整体帧率上限，即使使用YOLOv10n，在CPU上推理也需要几十甚至上百毫秒一帧，画面流畅度有限。如果希望实时性更好，可以把输入图像的分辨率降低后再送入模型，或者一边显示上一帧的推理结果，一边在后台线程处理下一帧，用流水线的方式来提高整体帧率。第二个是摄像头画面的镜像问题，默认摄像头输出画面是左右对称的。如果UI界面显示出来发现方向反了，用cv2.flip函数做一个水平镜像即可。

摄像头检测结束之后要正确释放资源，包括关闭摄像头和清理窗口，否则下一次启动时摄像头可能被占用，报出类似“Cannot open camera”的错误。

5. 项目部署与运行指南

5.1 项目目录结构与核心代码组织

组装一个完整的项目，代码组织必须有章法。即使项目体量不大，合理的目录结构也能帮你减少很多后期调试的麻烦。我通常按下面这种方式组织项目文件：

mask_detection/ ├── models/ │ ├── yolov10n.pt │ └── best.pt ├── dataset/ │ ├── images/ │ │ ├── train/ │ │ └── val/ │ └── labels/ │ ├── train/ │ └── val/ ├── ui/ │ ├── main_window.py │ ├── detector_thread.py │ └── resources/ ├── train.py ├── detect.py └── requirements.txt

这个结构的优点在于，把模型文件、数据集、UI代码和入口脚本分开，后续无论是替换模型还是调整界面，都不会牵一发动全身。实际交付项目时，最好不要把训练用的所有数据集都放在主目录里，因为数据集可能很大，会影响项目分发的便利性。

requirements.txt文件建议把依赖写全：

ultralytics PyQt5 opencv-python numpy torch torchvision

版本号可以写宽松一点，比如torch>=2.0。写太死版本反而容易因为环境不同出现安装矛盾，放宽一点通常更友好。当然，如果项目要求严格的复现环境，那就不一样了，那时可以把精确版本写清楚。

5.2 本地部署和分发打包的实操心得

模型训练完毕后，最终目标是让系统可以在别的机器上跑起来。最简单的方式是提供源码和requirements.txt，让使用者自己安装依赖，但这要求使用者对Python环境比较熟悉。如果要交付给普通用户，可以尝试打包成可执行文件。

PyQt5应用打包目前比较成熟的方案还是PyInstaller。不过这个过程有一些需要注意的地方。首先是模型权重文件要放到打包路径下能被正确找到的位置。最简单的做法是把权重文件放在项目根目录下的models文件夹中，打包时通过--add-data参数把模型文件加进去。其次是PyQt5的插件文件，PyInstaller有时候不会自动包含所有的Qt插件，需要在spec文件中手动配置。最后是OpenCV的数据文件。如果程序里用了人脸检测等OpenCV自带模型，需要额外把cv2的data文件打包进去。不过这个项目不依赖OpenCV的预训练模型，所以问题不大。

如果打包出来的exe文件体积比较大，这种体积膨胀是正常的，因为PyTorch和Qt库本身都很庞大。如果想压缩体积，可以考虑用ONNX Runtime替代PyTorch进行推理，然后从requirements里去掉torch和torchvision，这样打包出来的体积差距很明显，可能直接少掉几百兆。

6. 常见问题与排查技巧实录

6.1 训练阶段的典型问题

训练时最常遇到的一个问题是训练过程中loss变成nan。出现这种情况的原因大多是学习率过大或者batch size过小导致梯度不稳定。YOLOv10默认的训练参数对大多数数据集是有效的，但如果你自定义了数据集，用户建议的默认学习率可能并不适合你的场景。遇到nan时，先调低learning rate，比如从默认值降到原来的1/10，同时把batch size稍微加大，问题通常就能解决。

另一个常见问题是模型训练完成后，检测结果全都不对，框的位置是乱的，或者类别完全对不上。排查思路顺序依次是：先检查数据标注的txt文件内容是否正确，再检查类别名称与编号的对应关系是否一致，最后检查验证集划分时图片和标注文件是否匹配。标注文件是否和图片文件名一一对应这一步特别容易出错，很多模型训练出来效果极差，十有八九都是这里出了问题。

6.2 推理阶段的典型问题

推理过程中最典型的报错是CUDA out of memory。即使模型不大，但如果显卡显存只有2GB或4GB，在推理大图时依然有可能显存不够。解决方法是把推理时的imgsz参数调小，比如从640降到480，或者强制使用CPU推理。CPU推理速度会比较慢，但在显存不够的情况下这是唯一可行的方案。

另一个很常见的现象是模型推理结果中框的位置准确，但置信度非常低，比如只有0.2到0.3。这种问题往往是因为训练数据中目标的尺度分布和实际推理图片的尺度分布差异过大。比如训练集中人脸位置集中在图像中央且占比较大，但推理时人脸较小，模型提取的特征自然不够充分。缓解办法是扩充小目标训练数据，或者提高输入图像分辨率。

6.3 UI界面集成开发的典型问题

PyQt5和OpenCV之间的图像格式转换问题，绝对排在UI集成问题榜首的位置。OpenCV读入的图片是BGR顺序的numpy数组，而Qt显示图片需要QImage或QPixmap格式，且颜色通道顺序为RGB。如果直接拿OpenCV的图片去转QImage，显示的颜色会整体偏蓝偏红，看起来特别奇怪。正确的转换方式是先用cv2.cvtColor把BGR转成RGB，再构造QImage。这个步骤漏掉的人非常多，我在第一次做PyQt5+OpenCV集成时也踩了这个坑。

如果摄像头打不开，要么是设备索引问题（笔记本摄像头通常是0，外接摄像头可能是1），要么是被其他程序占用了。可以先用简单的OpenCV程序测试摄像头是否正常，排除硬件问题后再检查程序逻辑。

6.4 新手最容易忽略的几个细节

这些细节即便在完整的项目中也很容易成为“隐形杀手”：

• 无论训练还是推理，模型输入的图像尺寸和训练时的尺寸保持一致，通常都是640x640。如果你在训练时用了640，推理时用的是416，精度很可能会受影响。
• 项目路径中不要出现中文，虽然Python3对中文路径的支持已经比较好了，但ultralytics在Windows下遇到中文路径有时依然会出问题，轻则路径报错，重则加载权重失败。
• Windows环境下，训练时workers参数不要设置过大，否则可能出现DataLoader worker进程崩溃导致训练中断。如果你不想排查这个问题，最简单的方法是设置workers=0。
• 数据集的目录结构尽量保持清晰，图片和标注文件名称保持一致性，我习惯在转换标注格式的同时做一次文件名核对，这看起来费时间，但能在后续训练时省下好几倍的时间。

7. 实际运营效果复盘与经验总结

在完成这个口罩检测项目后，我做了几次对比实验，也把系统放到了不同的场景下测试，这里总结一些比较有价值的经验。

7.1 检测精度的实际体验

对独立测试集的评测精度和真实场景下的表现是两回事。模型在自己的测试集上mAP50达到0.93，但放到光线复杂的室内环境中，由于眩光、低光照等因素，实际检测的效果明显打折扣。这说明模型评估时测试集的数据分布如果和真实场景不一致，评估结果会有虚高。后来我扩充了光照条件差、背景杂乱的数据样本后，模型在真实场景中的表现才明显改善。

另外，距离对检测效果的影响非常明显。距离较远时，人脸在画面中只占很小的像素区域，模型对小目标的识别能力有限。测试中发现，在720P画面中距离超过8米的人脸，即使带了口罩也容易漏检。想提升小目标检测能力，需要额外考虑增加训练数据中的小目标比例，或者提高输入分辨率，而不是单纯增加总训练图片数量。

7.2 模型参数微调的实战心得

训练完成后，如果发现某些场景下误检率偏高，两套调整思路比较有效。第一是提高推理时的置信度阈值，比如从0.5提高到0.7，这会过滤掉大部分低置信度的误检框。不过误检和漏检之间有一个天然是平衡关系，调高阈值必然带来漏检率的上升。第二是重新训练，把那些容易误检的样本加入训练集，专门作为负样本。这种方法对误检的抑制更本质，因为在推理阈值层面调整本质上只是“治标”，而增加负样本训练是让模型真正学会区分，属于“治本”。

训练轮数也不是越多越好。当我从200轮加到300轮时，验证集mAP50并没有提升，反而略有下降，这基本可以判断模型进入了过拟合区间。判断过拟合的直观依据是训练集loss持续下降但验证集loss上涨，这时候不仅仅看mAP有没有变化，也要关注loss曲线的走向。

7.3 从课程项目到真实应用的距离

如果这个项目只是想作为课程设计和毕设，现有方案已经绰绰有余。但如果你想把它推到一个真正可以常态使用的状态，还有一些增强方向可以考虑。比如增加口罩佩戴是否规范的判断能力，包括口罩遮住了口鼻但露出鼻子这类情况，这需要在标注阶段增加一个类别或者依赖姿态关键点做辅助判断。再比如加入人脸追踪逻辑，在多帧视频流中标记同一个人的检测结果，这样可以避免在连续帧中同一人被反复计数。

我在实际做这个项目时的一个体会是，口罩检测这个场景本身并不复杂，但把一个简单的检测模型包装成一个完整的、能交付的系统，中间涉及的数据工程、界面开发、打包部署等技术栈非常完整。做完这一整个流程，基本就把计算机视觉落地的全链路都串了一遍。这也是为什么我推荐有一定Python基础、想往视觉方向深入的同学拿这个项目练手的原因。

最后分享一个小技巧，如果你做的是PyQt5界面版口罩检测，实际演示时可以通过快捷键来切换检测模式，比如键盘按P切换到图片检测、按V切换到视频检测、按C切换到摄像头检测。这个小细节虽然代码量不大，但在答辩或者演示场景下特别加分，能让操作看起来更流畅专业。