企业官网建设流程全解析

简介：这份数据集面向施工工地、工厂等场景的安全着装智能检测任务，提供YOLO系列目标检测模型训练与验证所需的标注文件，可服务于安全帽、反光衣与工作服识别算法的复现、微调及课程实践。压缩包共2000个文件，主体为1999个txt标注文件，另有1个yaml配置文件用于数据集路径与类别信息组织，包体约952.16MB，适合直接接入常见YOLO训练流程。内容围绕人员着装合规检测展开，可用于实时监测画面中人员是否按要求穿戴安全帽、反光衣或工作服，并为违规告警、抓拍与弹窗提示等应用提供数据基础。已有1614人学习下载，具备一定参考热度；对于需要快速搭建安全检测实验、扩充训练样本或验证模型效果的读者，可据此省去部分数据整理成本，集中精力完成模型训练、评估与场景适配。

1. 工地门口那台摄像头，为什么总把反光衣认成水泥袋

凌晨换班时，某工地门禁摄像头抓拍的一组图里，安全帽的框还算稳，反光衣却频繁套在水泥袋和塔吊护栏上。这不是模型“笨”，而是数据集里三类目标的边界没定义清楚：安全帽是头部小目标，反光衣是躯干大面积高亮区域，工作服又常与反光衣同色同款。基于YOLO的安全帽/反光衣/工作服自动识别数据集，要解决的就是把这三类目标在真实工地光照、遮挡和尺度变化下标得一致、训得稳、验得准。适合做智慧工地视觉算法、边缘盒部署和标注流程搭建的人。下面按数据定义、清洗切分、训练参数和上线排查四段推进。

2. 数据集不是“越多越好”：三类目标、五类场景和标注边界的取舍

很多团队一上来就爬几万张图，标完发现一半是重复角度，反光衣和工作服混标，夜间样本不到百分之三。数据集的第一道工序是定义，不是采集。安全帽/反光衣/工作服三个类别的语义边界、场景配额、标注规则，决定后面模型能不能收敛，也决定换一个工地之后会不会翻车。我一般先把“标什么、不标什么、每个场景要多少”写成一张表，再让标注同学开工，否则返工成本比采集还高。

2.1 安全帽、反光衣、工作服：三个类别怎么定才不打架

类别定义的核心是“一个框只回答一个问题”。安全帽只标佩戴在头部的帽子，手持帽、放在地上的帽子、挂在脚手架上的帽子都不标；反光衣只标穿在躯干外、带反光条或高亮色块的背心/外套；工作服标未穿反光衣时的常规工装躯干。最容易打架的是“反光衣里面还穿着工作服”：如果反光衣覆盖了大部分躯干，只标反光衣，工作服不再重复标；如果反光衣敞开、露出大面积内层工作服，仍然只标反光衣，因为业务要判断的是“有没有穿反光衣”，不是“里面穿了什么”。另一个坑是颜色：黄色反光衣和黄色工作服在低分辨率下几乎同分布，必须在标注规范里用“是否有反光条/高亮拼接”作为判据，而不是只看颜色。

负样本也要进数据集，比例控制在5%到10%：没有目标的空场景、只有水泥袋和护栏的图、只有反光锥的图。负样本不是为了“凑数”，而是让模型学会把高亮色块和人体躯干区分开。标注文件里一张图可以没有txt，但文件名要保留在训练列表里，否则负样本等于没加。类别名统一小写，不要出现Helmet、helmet、安全帽三种写法，后面转换脚本会直接映射失败。

2.2 采集清单：塔吊下、基坑边、夜间补光各要多少张

场景配额比总数量更重要。我一般按五类场景配：出入口/门禁、基坑边与脚手架、材料堆场、塔吊作业面、夜间补光。每类先保底三百到五百张有效图，其中夜间不少于夜间场景总量的四成，因为反光衣在夜间过曝和逆光下最容易掉点。拍摄距离分三档：近景3到8米、中景8到20米、远景20米以上；远景图里安全帽短边可能只有十几个像素，必须单独统计，不能和近景混在一起看mAP。采集设备不挑，手机、球机抓拍、记录仪截帧都行，但同一场景不要只用一个焦距，否则模型会记住背景而不是目标。

采集时用文件名前缀把场景固定下来，后面分层切分和跨场景验证都靠它。每个场景至少留一个“脏场景”子集不参与训练，只做验收：比如某工地新装的补光灯导致反光条大面积过曝，或者某队工人穿的是旧款灰色工作服。这个子集不需要很大，一两百张就够，但必须和训练集来源分离，否则验证分数会虚高。血泪经验是：验证集如果和训练集同一天、同一台摄像头、同一批人，mAP看着漂亮，换一个门口就现原形。

2.3 标注框的三条硬规则：遮挡、截断、小目标

遮挡目标只标可见轮廓的外接框，不脑补被遮挡的部分。比如一个人被脚手架钢管挡住半边身体，反光衣只露出右半侧，框就画右半侧可见区域，不要把钢管后面的推测区域补进去。这样做的代价是框偏小，但换来的是一致性：不同标注员不会因为“猜多少”产生分歧。截断目标框到图像边界，xmin不小于0、xmax不大于图像宽度，超出部分直接裁掉，不要出现负坐标。YOLO训练时对越界坐标虽然有一定容忍，但归一化后会挤到边缘，小目标定位会抖。

小目标规则要写死：安全帽短边小于10像素不标，10到16像素标但单独打标签统计，大于16像素正常标。反光衣短边小于20像素不标，因为躯干框太小已经失去业务意义。有人会问“不标的小目标会不会被当成背景，拉低召回”，会，所以远景小目标靠切片推理和更高输入尺寸解决，而不是靠硬标一堆模糊框。标注完成后抽10%做交叉复核，重点看三类边界：反光衣和工作服是否重复标、手持安全帽是否误标、夜间过曝区域是否把光斑框成反光衣。复核不通过的批次整批返工，不要只改几个框，否则规范会越标越松。

3. 从原始图片到 YOLO 标签：清洗、分层切分和格式转换的可复现流程

原始素材进来之后，先做减法。重复帧、模糊图、无目标图会稀释训练信号，尤其是视频抽帧得到的连续帧，十张里有八张几乎一样。清洗顺序我一般按“去重→去糊→去无目标→分层切分→格式转换”走，每一步留一份文件清单，后面出问题能回溯到是哪一步把图删错了。下面三段脚本可以直接改成自己的路径，参数按现场分辨率调。

3.1 先做减法：去重、去糊、去无目标图的过滤脚本

去重用感知哈希做初筛，不追求百分百准确，先把连续帧和重复角度压下去。模糊过滤用拉普拉斯方差，阈值不要照抄，先抽五十张正常图看方差分布再定。无目标图不要全删，留5%到10%做负样本，其余剔除。

import os import cv2 from PIL import Image def dhash(path, size=8): # 缩小到 (size+1, size) 灰度图，逐行比较相邻像素，生成 64 位哈希 img = Image.open(path).convert("L").resize((size + 1, size), Image.LANCZOS) px = list(img.getdata()) bits = [] for row in range(size): for col in range(size): left = px[row * (size + 1) + col] right = px[row * (size + 1) + col + 1] bits.append("1" if left > right else "0") return int("".join(bits), 2) def hamming(a, b): return bin(a ^ b).count("1") def blur_score(path): # 拉普拉斯方差越小越糊，手机图和球机图阈值不同，先抽样再定 img = cv2.imread(path, cv2.IMREAD_GRAYSCALE) if img is None: return 0 return cv2.Laplacian(img, cv2.CV_64F).var() src_dir = "raw_images" keep_dir = "clean_images" os.makedirs(keep_dir, exist_ok=True) hashes = [] kept = 0 for name in sorted(os.listdir(src_dir)): if not name.lower().endswith((".jpg", ".png", ".jpeg")): continue path = os.path.join(src_dir, name) h = dhash(path) # 汉明距离小于等于5视为重复，阈值越小去重越保守 if any(hamming(h, old) <= 5 for old in hashes): continue if blur_score(path) < 60: # 模糊阈值，按实际分辨率调整 continue hashes.append(h) Image.open(path).save(os.path.join(keep_dir, name)) kept += 1 print("kept:", kept)

这段脚本只做两件事：dHash去重和拉普拉斯模糊过滤。size=8生成64位哈希，计算量小，适合几万张图先跑一遍；hamming <= 5是保守阈值，工地背景相似度高，阈值放到10会误删不同角度的人。blur_score < 60不是通用标准，1080p球机图可以更低，手机近景图可以更高，先抽五十张正常图打印方差，取第10百分位做阈值更稳。无目标图不用脚本硬删，标注完成后按txt是否为空统计，空标签图保留一小部分放到负样本目录，其余从训练列表移除。

3.2 按场景分层切分，避免验证集“太干净”

切分不能直接random.shuffle。门禁图占一半、夜间图只有几十张的时候，随机切分很可能验证集里没有夜间样本，训练日志好看，上线就翻车。我一般按文件名前缀分场景，每个场景按70/15/15切训练、验证、测试，并固定随机种子。切完打印每个场景在每个集合里的数量，夜间和远景小目标占比不够就手动补。

import os import random from collections import defaultdict random.seed(42) image_dir = "clean_images" out_dir = "splits" os.makedirs(out_dir, exist_ok=True) groups = defaultdict(list) for name in sorted(os.listdir(image_dir)): if not name.lower().endswith((".jpg", ".png", ".jpeg")): continue prefix = name.split("_")[0] # gate / pit / yard / crane / night groups[prefix].append(name) train, val, test = [], [], [] for prefix, names in groups.items(): random.shuffle(names) n = len(names) n_train = int(n * 0.70) n_val = int(n * 0.15) train.extend(names[:n_train]) val.extend(names[n_train:n_train + n_val]) test.extend(names[n_train + n_val:]) for split_name, items in [("train", train), ("val", val), ("test", test)]: with open(os.path.join(out_dir, f"{split_name}.txt"), "w", encoding="utf-8") as f: for name in items: f.write(os.path.join(image_dir, name) + "\n") print(split_name, len(items))

按前缀分组是关键，name.split("_")[0]依赖采集时定的命名规范，所以第2章强调文件名前缀要先定好。70/15/15不是死数，数据量小于两千张时验证集至少留两百张，否则mAP抖动很大。切分完做一次交叉检查：训练集里出现过的连续帧编号，验证集里不能再出现相邻帧，否则模型等于背答案。如果视频抽帧没有编号，用dHash再查一遍训练集和验证集之间的近重复，汉明距离小于等于3的从验证集挪走。

3.3 VOC/COCO 转 YOLO txt：归一化坐标的四个边界坑

标注工具导出VOC XML很常见，转YOLO txt时四个坑最容易翻车：坐标越界、宽高为0、空标签文件丢失、类别名大小写不一致。下面脚本把越界坐标裁到图像边界，跳过无效框，并按映射表转类别id。转换完一定要抽查，不要只看脚本没报错。

import os import xml.etree.ElementTree as ET from PIL import Image # 类别映射必须和 data.yaml 的 names 顺序一致 cls_map = {"helmet": 0, "vest": 1, "uniform": 2} def convert(xml_path, img_path, out_txt): tree = ET.parse(xml_path) root = tree.getroot() w = int(root.find("size/width").text) h = int(root.find("size/height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip().lower() if name not in cls_map: continue bbox = obj.find("bndbox") xmin = max(0, min(w - 1, float(bbox.find("xmin").text))) ymin = max(0, min(h - 1, float(bbox.find("ymin").text))) xmax = max(0, min(w - 1, float(bbox.find("xmax").text))) ymax = max(0, min(h - 1, float(bbox.find("ymax").text))) bw, bh = xmax - xmin, ymax - ymin if bw <= 1 or bh <= 1: continue xc = (xmin + xmax) / 2.0 / w yc = (ymin + ymax) / 2.0 / h nw, nh = bw / w, bh / h lines.append(f"{cls_map[name]} {xc:.6f} {yc:.6f} {nw:.6f} {nh:.6f}") # 空标签也要写文件，负样本靠空txt保留 with open(out_txt, "w", encoding="utf-8") as f: f.write("\n".join(lines)) # 批量转换时保持 images 和 labels 目录同名

cls_map的顺序必须和训练配置里的names完全一致，否则模型会把反光衣学成安全帽。坐标裁剪用w-1、h-1而不是w、h，避免归一化后出现1.0导致边界框贴边。bw <= 1和bh <= 1跳过的是标注工具误点产生的零宽框，不是小目标，小目标在前面已经按像素阈值筛过。空标签文件一定要写，负样本图没有txt时训练框架可能直接忽略这张图，等于白留。转换完抽十张图用可视化脚本画框，重点看贴边目标有没有偏移、类别颜色对不对，这一步比看损失曲线更早发现问题。

4. 训练配置别照抄：小目标安全帽的模型选型、data.yaml 与超参

数据准备好之后，训练配置的难点不是“能不能跑”，而是“小目标召回能不能上来”。安全帽在远景图里只有十几像素，反光衣又容易受高亮干扰，模型选大了显存吃紧，选小了召回不够。我一般先用轻量模型跑通全流程，确认数据没有硬伤，再换中等模型调输入尺寸。下面三节按选型、配置、看日志的顺序讲，参数给的是起点，不是标准答案。

4.1 n/s/m 怎么选：参数量、显存和召回率的三角权衡

轻量模型适合边缘盒和初步验证，中等模型适合服务器训练后蒸馏或直接部署，大模型不是不能用，而是标注质量跟不上时收益很快见顶。安全帽和反光衣都属于“类别少、目标小、背景杂”的任务，输入尺寸往往比模型深度更影响召回。我的经验是：先用n跑640，确认mAP能到0.6以上，再换s跑960，看小目标召回有没有明显提升；如果s跑960和n跑640差不多，问题多半在标注或数据分布，不在模型。

输入尺寸不是越大越好。960比640的显存和耗时都上去了，如果远景小目标占比不到10%，先做切片推理比硬拉尺寸更划算。切片推理是把大图裁成重叠小图分别检测，再合并框，适合塔吊作业面这种目标极小的场景。训练阶段也可以把远景图单独过采样，但不要超过总样本的30%，否则近景召回会掉。

4.2 data.yaml 与训练命令：imgsz、batch、cls_pw 的取值逻辑

data.yaml只写三件事：路径、类别数、类别名。路径用绝对路径或相对训练脚本的路径，不要用中文目录。nc和names顺序必须和转换脚本一致。训练命令里imgsz、batch、close_mosaic、hsv_v是优先调的，cls_pw是分类损失权重，不是类别平衡开关，别指望它单独解决反光衣样本少的问题。

# hardhat_vest.yaml path: /data/hardhat_vest train: splits/train.txt val: splits/val.txt test: splits/test.txt nc: 3 names: ["helmet", "vest", "uniform"]

yolo detect train \ data=hardhat_vest.yaml \ model=yolov8s.pt \ imgsz=960 \ epochs=120 \ batch=16 \ patience=30 \ hsv_v=0.5 \ mosaic=1.0 \ close_mosaic=15 \ cls_pw=0.8 \ project=runs_hardhat \ name=exp_s_960

imgsz=960是给远景小目标留余量，显存不够就降到768，不要一边爆显存一边加batch。batch=16是起点，显存占用主要看输入尺寸和模型档位，8也常见。patience=30表示30轮验证指标不升就早停，数据集小的时候可以降到20。hsv_v=0.5提高亮度扰动，对夜间补光和逆光有帮助，但别开到0.8，否则反光衣颜色会失真。mosaic=1.0增强小目标上下文，close_mosaic=15在最后15轮关掉马赛克，让模型在真实拼接分布上收尾，这一步对小目标定位很关键。cls_pw=0.8调分类损失权重，类别不平衡严重时先做过采样，再考虑动这个值。

4.3 看日志的顺序：先召回、后 mAP、最后看误检

训练日志里先看召回率，尤其vest的召回。安全帽召回高、反光衣召回低，通常是反光衣样本少或者过曝标注不一致。召回稳定之后再看mAP50，最后看mAP50-95，因为后者对框的定位质量更敏感，小目标框稍微偏一点就掉。验证时不要只看总体，按场景前缀分开跑：门禁场景和夜间场景各出一份指标，夜间掉超过10个点就先查过曝和低照度，不要急着调模型。

# 训练完成后在测试集上按场景分别验证，把 night_ 前缀的图单独列一个txt yolo detect val \ data=hardhat_vest.yaml \ model=runs_hardhat/exp_s_960/weights/best.pt \ imgsz=960 \ split=test

验证命令跑完看混淆矩阵：反光衣被预测成工作服，通常是类别定义边界没写清；工作服被预测成反光衣，通常是黄色工装和反光衣同色。误检看背景图，把负样本单独跑一遍，如果水泥袋和护栏上出现大量反光衣框，说明高亮色块学到了错误的纹理，回去补负样本或提高亮度扰动。训练过程中保存last.pt和best.pt，但上线前用测试集重新验一遍best.pt，不要拿验证集分数当上线分数。

5. 避坑与排查：类别不平衡、反光衣过曝和跨工地掉点

这一章按现场最常遇到的三类问题写，每条按“现象→原因→解决”走。安全帽/反光衣/工作服数据集的问题很少是单一原因，通常是标注、采样、光照三个因素叠在一起。排查时先固定变量：同一份验证集、同一个输入尺寸、同一个置信度阈值，再改一个条件看指标变化，否则调了半天不知道是哪个参数起了作用。

5.1 反光衣样本只有安全帽的十分之一：重采样还是改损失

现象：训练日志里helmet的召回能到0.85，vest只有0.55，混淆矩阵显示大量反光衣被预测成背景或工作服。原因不复杂：反光衣样本少，而且很多反光衣在远景图里只占几十像素，模型先学会了“安全帽在头部”这个强先验，反光衣的躯干特征被背景淹没。另一个隐藏原因是标注时反光衣和工作服混标，模型学到两类边界模糊，干脆把不确定的躯干都归到样本更多的工作服。

解决顺序我一般分三步。第一步离线过采样：统计每个类别的图片数量，把含vest的图片复制到训练列表，复制倍数控制在2到3倍，不要超过5倍，否则过拟合到少数场景。第二步补场景，不是补同一张图的副本：夜间反光衣、逆光反光衣、多人重叠反光衣各补一批，让模型看到不同光照下的高亮纹理。第三步再考虑损失权重，cls_pw微调，或者用focal loss替换分类损失，但改损失之前一定先确认标注一致，否则只是把错误标签学得更狠。

import os import shutil from collections import defaultdict label_dir = "labels/train" image_dir = "images/train" out_dir = "images/train_oversample" os.makedirs(out_dir, exist_ok=True) # 统计每张图包含的类别 img_classes = defaultdict(set) for txt in os.listdir(label_dir): if not txt.endswith(".txt"): continue stem = os.path.splitext(txt)[0] with open(os.path.join(label_dir, txt), encoding="utf-8") as f: for line in f: if line.strip(): img_classes[stem].add(int(line.split()[0])) for stem, classes in img_classes.items(): src = os.path.join(image_dir, stem + ".jpg") if not os.path.exists(src): continue shutil.copy(src, os.path.join(out_dir, stem + ".jpg")) # 只对含 vest(1) 的图做2倍复制，避免安全帽被过度采样 if 1 in classes: shutil.copy(src, os.path.join(out_dir, stem + "_dup1.jpg")) shutil.copy(src, os.path.join(out_dir, stem + "_dup2.jpg"))

这段脚本按标签内容判断类别，不依赖文件名。_dup1、_dup2复制的是同一张图，训练时要注意标签文件也要对应复制，否则复制出来的图没有标签。更稳妥的做法是在生成训练列表时把同一路径写多次，让采样器自然过采样，但不同训练框架对重复路径处理不一样，离线复制最直接。复制倍数2到3倍是经验值，验证集不能复制，否则指标虚高。

5.2 反光条过曝把框撑大：从标注到推理的排查链路

现象：夜间图片里反光衣的预测框明显偏大，把旁边的人或护栏框进来；白天逆光图里反光条区域出现多个重叠框。原因通常不是模型本身，而是标注时把高亮光斑当成反光衣边界，框画到了光晕外沿。另一个原因是训练图里过曝样本太少，模型没见过“反光条一片白”的情况，推理时把白色区域都当成反光衣。

排查从标注开始：抽二十张夜间过曝图，把标注框和原图叠在一起看，如果框明显大于人体躯干，先改标注规范，按躯干可见外接框画，不按光斑画。然后看推理端：把置信度阈值从0.25提到0.35，观察框是否收缩；如果收缩明显，说明模型对过曝区域信心不足，需要补过曝样本而不是继续提阈值。最后看图像预处理：夜间图如果做了自动对比度拉伸，反光条会更容易爆，训练和推理要用同一套预处理，不要训练用原图、推理用增强图。

import cv2 import numpy as np def overexpose_ratio(path, thresh=245): # 统计接近纯白的像素比例，用来筛过曝样本 img = cv2.imread(path, cv2.IMREAD_GRAYSCALE) if img is None: return 0.0 return float(np.mean(img >= thresh)) # 批量扫描夜间图，比例高于0.08的单独放进复核目录 for name in os.listdir("raw_images"): if name.startswith("night_") and overexpose_ratio(os.path.join("raw_images", name)) > 0.08: print("check:", name)

thresh=245是接近纯白的阈值，0.08表示高亮像素超过8%就值得人工看一眼。这个比例不是绝对标准，夜间补光灯直射时整张图都可能偏亮，要结合直方图看。筛出来的图不要直接删，先复核标注框，再决定是保留、重新标还是剔除。过曝样本本身有价值，全删掉模型更怕夜间，关键是框要标在躯干上，不是标在光斑上。

5.3 换一个工地就掉 20 个点：跨场景验证的三个检查项

现象：A工地测试集mAP50能到0.82，换到B工地同一个模型掉到0.61，安全帽还行，反光衣和工作服混淆严重。原因通常是背景单一、工作服颜色分布不同、摄像头安装角度不同。A工地训练图里全是灰色围挡，B工地是蓝色围挡，模型把围挡纹理当成了上下文；A工地反光衣以橙黄色为主，B工地有大量荧光绿，颜色先验失效。

检查项一：验证集来源。确认B工地有没有哪怕一百张图进过训练集，如果进了，指标不可信，重新切一个完全没见过的场景做测试。检查项二：类别颜色分布。把两个工地的反光衣裁出来做颜色直方图，如果峰值差很远，训练时加HSV色相扰动，但不要过大，否则橙色和绿色会互相映射。检查项三：摄像头角度和焦距。A工地是门口平视，B工地是塔吊俯拍，目标尺度和长宽比完全不同，这种差异靠增强解决不了，只能补俯拍样本或做切片推理。

跨场景验证不要只看总体mAP，按类别和场景拆开：vest在B工地的召回、uniform在夜间的误检、安全帽在远景的漏检。拆开之后通常能定位到一两个具体场景，再决定是补数据、改标注还是调推理尺寸。我自己的习惯是每次上线前留10%的“脏场景”不训练，只做验收；如果这10%掉点超过8个点，先别调模型，回去查标注和场景分布。

6. 上线前多做一步：用置信度分层和误检回流压住漏检

模型训练完，很多人只看一个总体mAP就部署，结果上线后漏检集中在低置信度区间。我的做法是按置信度分桶统计召回：把测试集预测结果按0.25到0.35、0.35到0.5、0.5到0.7、0.7以上分四桶，分别看每个类别的召回和误检。安全帽漏检如果集中在0.25到0.35，说明模型“看到了但不敢确认”，这时候补难例比调阈值有效；反光衣误检如果集中在0.5以上，说明高亮纹理学偏了，回去补负样本。

具体操作上，把0.25到0.5的预测框连同原图一起导出，人工只做“对/错”二分类复核，对的加入训练集，错的也加入训练集但作为负样本或修正标注。这个回流集不要一次加太多，每轮控制在原训练集的10%以内，加完重新训练时固定随机种子，和上一版对比同一批脏场景的召回。阈值不要为了降误检一路往上提，反光衣在夜间的置信度本来就偏低，提到0.5以上漏检会很难看。

我自己的习惯是每次上线前留一份“后悔药”：把当前版本的误检和漏检各存一百张，标注好原因，下一次迭代先跑这份清单，再看总体指标。模型玄学的地方在于，总体mAP涨了两个点，可能只是背景更单一了，真正难的车夜间场景还在掉。希望帮到你。

本文还有配套的精品资源，点击获取