简介面向施工现场、化工园区、厂区作业等需要实时监测安全帽佩戴的场景基于YOLOv11n训练的安全帽检测模型包可直接用于二次开发供算法工程师与安防集成商复用。包内共9个文件压缩包约49.47MB包含通用部署所需的.onnx、.pt格式适合GPU或通用深度学习框架也有面向瑞芯微RK3588/RK3576平台优化的.rknn格式以及配套的.bin权重、.xml网络结构、.yaml配置便于在嵌入式NPU或边缘设备上高效运行。用户可根据实际硬件环境选择对应文件并结合视频监控、智能安全帽、施工现场人员管理或无人机巡检等系统实现实时或定时的未佩戴安全帽检测、提醒与记录降低人工巡查成本。YOLOv11n兼顾速度与精度能够及时识别违规情况有效辅助管理人员预防高处坠落等事故。已有369人学习下载适合有目标检测基础、正在做工业安全落地的开发者快速接入。1. 安全帽检测模型yolo11n为什么我推荐用n级小模型而不是l级大模型在工地安全帽检测这件事上yolo11n这个最小的模型往往比yolo11l更实用。这不是玄学而是由部署环境决定的摄像头旁边通常就是一台几百块钱的边缘盒或旧工控机算力有限大模型推理速度跟不上而yolo11n在保持较高mAP的同时能把单帧检测压到几十毫秒。我手上这份资源就是一套用yolo11n训练好的安全帽检测模型包含训练权重、标注转换脚本和部署配置适合正在做工地智能监控、出入闸机安全合规检查的开发者。如果你正想用yolo11做安全帽识别又纠结从哪个版本下手这篇笔记能帮你在数据准备、训练调参、落地部署三块少走弯路。2. yolo11n网络结构拆解轻量化Backbone与解耦头在安全帽场景的适用性2.1 C3k2与SPPF轻量化Backbone的设计意图yolo11n的Backbone用C3k2模块替换了前代常见的C2f模块。从名字就能看出来C3k2本质上还是CSP结构但中间瓶颈层的通道数被压得更低并用两个并行分支做梯度融合计算量一下子降了下来。对于安全帽这种类别只有两类、目标特征又比较单一的任务这种设计是合适的——不需要几百类大模型那样的容量硬上大模型只会让训练更慢、部署更卡。在640x640输入下yolo11n的FLOPs大约在6.5G左右参数量2.6M级别。对比yolo11l的几十G FLOPs一个边缘设备上的差距可能是实时和卡顿的区别。我一般拿到模型会先跑一次模型信息统计确认参数量正确再开始训练。标准训练框架的CLI里可以直接打yolo modelyolo11n.pt modeval datahelmet.yaml这条命令会加载预训练权重并执行一次验证日志第一屏会打印模型层数、参数量和GFLOPs。如果你的框架版本不打印也可以写个两行脚本调用内建的模型信息接口输出参数量和每层输出张量形状用作后续改通道数的参照。SPPF模块在yolo11n里继续保留作用是把Backbone输出的特征图做多尺度池化拼接让后续Neck能同时拿到全局和局部信息。安全帽检测有个典型情况摄像头装在高处人离镜头远帽子在画面里常常只有二三十像素。SPPF能保住一部分小目标语义信息但真正解决小目标问题还要靠后面讲的数据切图和输入分辨率调整。2.2 解耦检测头分类与回归不再共享卷积yolo11n的检测头采用了Anchor-Free的解耦设计分类分支和回归分支各自用不同的卷积输出。分类分支只负责判断“这是戴帽还是没戴帽”回归分支负责输出框的中心点、宽高。解耦的头结构比早期YOLO那种全连接共享头更容易训练收敛也稳定得多。安全帽场景里两个类别在视觉上高度相似都是人头附近的一个半圆形物体。区别只在于颜色、纹理和反光。如果分类和回归共享卷积模型很容易被边框回归的梯度带偏解耦之后分类分支可以独立学习“圆顶系带”的细节回归分支单独学框的贴合度。我经常在日志里看到回归的CIOU loss已经降到零点零几而分类的BCE loss还在缓慢下降这正是解耦头在独立优化分类特征的信号。你不需要改模型结构只需在数据配置里定义好类别数。一个典型的helmet.yaml是这样path: /data/helmet train: images/train val: images/val names: 0: with_helmet 1: without_helmet这里把“戴安全帽”和“未戴安全帽”作为两个类别而不是只检测“安全帽”一类。实际部署中两类输出的好处是你可以分别调阈值戴帽误报影响小未戴帽漏报才是大问题。于是通常会把without_helmet的置信度阈值调低一点把戴帽的阈值调高一点这个技巧在第五章展开说。2.3 从n到x用一张表决定安全帽场景该选哪个版本yolo11提供了n、s、m、l、x五个规模我直接按安全帽场景的实际体验整理成下面这张表版本参数量约FLOPs约典型推理环境安全帽场景建议yolo11n2.6M6.5G边缘盒、手机、Jetson类设备首推精度够用且速度快yolo11s9.4M21.5G嵌入式高端板卡、低端GPU精度略高但部分设备吃紧yolo11m20.1M68.0GGTX 1060以上独显小目标多的复杂场景备用yolo11l25.3M86.9G中高端GPU不建议部署成本高yolo11x56.9M194.9G服务器级GPU只有测试才用不做产品这个表里的数字都是公开benchmark里可查的具体版本稍有差异不影响选型。我的经验是安全帽检测的难点不在类别数量而在小目标和遮挡。yolo11n的backbone下采样比大模型更激进但通过把输入分辨率从640提到960或者做切图训练小目标问题可以明显缓解。同理如果你跑yolo11x高分辨率下显存占用会成倍增长反而不如n级配合高分辨率输入来得灵活。选型结论只要推理设备不是服务器无脑先试yolo11n。如果现场误检实在压不住再考虑yolo11s。我接触过的实际项目里90%的工地安全帽检测最后都落在了yolo11n960分辨率这个组合上。3. 安全帽数据准备VOC转YOLO的转换脚本与四类易错标注3.1 数据来源与标注规范训练安全帽检测模型数据来源我一般分三块一是现场监控截图这是最贴近真实场景的但需要人工清洗二是公开的工业安全帽数据集能快速补充样本量三是自己拍的模拟场景比如戴着不同颜色的棒球帽、工程帽在车间走动补足各类姿势和光照。标注工具推荐用LabelImg保存为VOC格式的XML文件。项目里只保留两个类别名with_helmet和without_helmet。这里有个容易踩的坑安全帽和普通帽子的区别不只是“有没有帽子”而是“有没有安全帽的帽壳和系带”。有些标工人会把棒球帽也标成with_helmet导致模型学到的特征是“头部有物体”而不是“有安全帽”。我处理时会把棒球帽、草帽、遮阳帽这类直接归入without_helmet或者丢弃避免语义混淆。标注框也有讲究。安全帽框要贴着帽壳边缘不要包含肩膀。很多人为了省事把上半身一起框进去结果模型学习的是“人帽子”的组合特征一旦人只露半身就漏检。正确的框是包住帽壳最外层边缘下边切到额头或眉毛位置。3.2 VOC转YOLO格式脚本VOC的XML里存的是绝对坐标而YOLO训练需要的是相对于图片宽高的归一化中心坐标。转换脚本不复杂但边界情况很多。下面这版是我在实际项目中完整用过的import os import xml.etree.ElementTree as ET from glob import glob CLASS_NAMES [with_helmet, without_helmet] def voc_to_yolo(xml_path, out_dir, class_names): os.makedirs(out_dir, exist_okTrue) tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size).find(width).text) img_h int(root.find(size).find(height).text) lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_names: print(f[skip] {xml_path}: unknown class {name}) continue cls_id class_names.index(name) 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 x_center max(0.0, min(1.0, x_center)) y_center max(0.0, min(1.0, y_center)) w max(0.0, min(1.0, w)) h max(0.0, min(1.0, h)) lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) if lines: out_path os.path.join(out_dir, os.path.basename(xml_path).replace(.xml, .txt)) with open(out_path, w) as f: f.write(\n.join(lines)) print(f[write] {out_path}) else: print(f[warn] {xml_path} has no valid objects, output file not written) for xml_path in glob(data/helmet/xmls/*.xml): voc_to_yolo(xml_path, data/helmet/labels, CLASS_NAMES)这段脚本的核心是三个动作解析宽高、遍历object、计算归一化坐标。代码里的max(0.0, min(1.0, ...))不是多余的很多标注工具导出时允许框超出图像边界如果不裁剪YOLO训练时会出现loss为NaN或者框漂移。对于无效目标我没有写空txt而是直接跳过这样训练集里不会混进没标注的文件。参数说明CLASS_NAMES的顺序必须和训练配置里的names顺序完全一致否则类别ID错位模型会学出一个混乱的分类映射。out_dir建议和图片目录平级YOLO框架默认会按图片路径去同级目录找同名txt例如images/train/001.jpg对应labels/train/001.txt这个对应关系要保持。3.3 验证转换结果可视化脚本转换完不能只看txt内容必须把框画回图像上对比一眼。画图脚本如下import cv2 def draw_yolo_boxes(img_path, label_path, class_names, out_path): img cv2.imread(img_path) h, w img.shape[:2] with open(label_path) as f: for line in f: parts line.strip().split() if len(parts) ! 5: continue cls_id int(parts[0]) x_c float(parts[1]) y_c float(parts[2]) bw float(parts[3]) bh float(parts[4]) x1 int((x_c - bw / 2) * w) y1 int((y_c - bh / 2) * h) x2 int((x_c bw / 2) * w) y2 int((y_c bh / 2) * h) color (0, 255, 0) if cls_id 0 else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, class_names[cls_id], (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite(out_path, img) print(fsave to {out_path})这里要注意OpenCV的坐标系统原点在左上角x向右y向下。算出的x1, y1是整数OpenCV画矩形时x2, y2是右边界所以框是闭合的。如果y1小于0putText会抛出异常所以用max(0, y1 - 5)做保护。跑完脚本后随机抽20张图看一遍重点看框是否贴帽沿、是否覆盖了全部目标、有没有目标漏标。3.4 小目标增强切图训练与Mosaic策略安全帽在1080P画面里经常只有二三十像素直接resize到640x640会缩成几个像素成了典型的小目标问题。我在项目里常用的做法是切图把大图按640x640滑窗裁剪成块块与块之间重叠50像素然后只保留包含标注框的块。切图后样本数量会成倍增加同时目标在块中的相对尺寸也变大了模型更容易学到帽子边缘纹理。切图脚本里有一个关键参数过滤阈值。如果某个块里目标面积小于块面积的0.3%这个目标基本不可见我一般直接丢掉否则会给训练集灌入噪声。Mosaic增强在yolo11的标准训练里已经默认开启它能在一张合成图里塞进4张图让模型看到不同尺度的目标。但如果你用的是切图训练Mosaic反而可能把已经变大的目标又拼小所以我通常会在切图后关闭Mosaic用额外的复制粘贴增强替代。4. 训练yolo11n的常见问题排查五类翻车现象与调参对策4.1 显存不足训练直接退出现象训练启动大约几轮后终端报CUDA out of memory进程崩溃。原因安全帽场景往往用高分辨率输入比如1280x1280再加上batch size比较大显存瞬间被打满。yolo11n虽然参数少但特征图在输入端占用显存并不小。解决先把batch size降到8甚至4然后把输入分辨率降到640。在标准训练框架里一条训练命令长这样yolo detect train datahelmet.yaml modelyolo11n.pt \ epochs100 imgsz640 batch8 workers4如果降batch还不够可以开启梯度累积让模型每4个小batch累积一次梯度再更新权重。梯度累积在框架里对应accumulate参数设置成4之后显存占用大约等价于batch2但训练效果接近batch8。注意梯度累积只影响更新频率不改batch内数据分布所以降低batch后要把学习率也按比例调低一点否则loss会震荡。4.2 loss震荡不收敛现象训练前50轮loss上下跳动val mAP一直在零点几附近徘徊不上升。原因最常见是学习率太高yolo11n是轻量模型参数少同样学习率下对大模型合适对小模型就偏大。另一个原因是标签噪声太大比如之前说的把棒球帽标成安全帽。解决先把初始学习率从默认的0.01降到0.005并把warmup轮数提高到5轮。如果数据集很脏我还会冻结Backbone前10轮只训练检测头等分类分支稳定后再解冻全部层。冻结的命令是yolo detect train datahelmet.yaml modelyolo11n.pt \ epochs100 imgsz640 batch8 freeze10freeze10的意思是前10轮冻结Backbone只更新Neck和Head。解冻后模型会快速适应数据但学习率要同步调低否则容易破坏预训练特征。另外检查一下数据集里每个类别有多少张图如果没有戴帽和未戴帽比例超过5:1先在数据层面做sampling均衡别指望loss自动修好。4.3 把轮胎、水桶误检成安全帽现象训练完在测试视频里模型把地上的轮胎、红色灭火器、甚至是圆形铁桶都框出来置信度还不低。原因yolo11n本身是Anchor-Free的圆形物体天然容易激活检测头。如果训练集中负样本没有安全帽但类似圆形的物体太少模型只能学到“圆形高饱和度”这种粗特征。解决回到数据层面收集一批“干扰物”图片里面包含轮胎、铁桶、球类、安全帽背景里的圆形元素标注成背景或者干脆不标注作为负样本加入训练。在训练配置里可以调高类别权重cls_pw让模型更关注分类错误。我一般会把cls_pw从默认的1.0调到1.2加大分类loss的惩罚。同时部署时对with_helmet类别设置一个更高的置信度阈值比如0.6高于默认的0.25能有效压掉大部分圆形误检。4.4 远距离小目标漏检现象人离摄像头远的时候戴安全帽但模型没检出靠近了却正常。原因yolo11n在20x20的特征图上负责大目标80x80特征图负责小目标但安全帽太小经过32倍下采样后只剩几个像素特征图里基本没有对应响应。解决最见效的是把imgsz从640提到960或1280。训练和推理用同一尺寸mAP通常能涨3到5个点。如果设备推理慢就改成训练时用1280推理时切成两块或三块分别在设备上跑。另一个手段是使用切图推理把原图按640切成块逐块检测后再映射回原坐标。这种方法我常用在工地出入口的1080P视频上效果比单纯提分辨率更稳定因为小目标在块里相对变大了。如果还想改进模型本身可以尝试在Neck里增加P2层80x80上面的160x160特征图但yolo11n标准结构没有P2需要自己改代码。对大部分安全帽项目来说切图高分辨率已经足够没必要动网络结构。4.5 训练完精度反而低于预训练模型现象用yolo11n.pt预训练权重开始训练几十轮后mAP反而不如直接用预训练权重跑测试集。原因预训练权重是COCO类别的它本身能把人、帽子、头这类通用物体检出来。如果你的安全帽数据集只有几百张微调时模型在大量无关旧特征上发生灾难性遗忘精度就掉了。解决先把epoch减到30让模型在小数据集上快速收敛同时用更低的初始学习率例如0.001防止预训练特征被剧烈改写。如果数据集实在太小可以采用冻结Backbone策略只训练Head。另一个有用的做法先在不含负样本的干净子集上跑一轮确认模型能拟合训练集再把所有数据加全。这样能区分是数据问题还是调参问题。现象训练日志显示loss在最后几轮还在下降但val mAP没有变化甚至微微下降。原因过拟合。安全帽场景里训练集和实际场景的光照差异大模型记住了训练集里的背景纹理。解决开启数据增强中的HSV抖动和随机平移缩放将epochs减到50并使用早停机制框架默认会在连续20轮mAP不提升时停掉如果已经过拟合把训练集里重复度过高的连续帧去掉一般监控视频里相邻10帧的标注几乎一样去重后能减少模型死记背景的机会。5. 从训练到部署yolo11n导出ONNX与边缘推理的量化避坑5.1 导出ONNX并验证输出一致性训练完成后先用best.pt导出一个ONNX文件用于部署测试yolo export modelruns/detect/train/exp/weights/best.pt formatonnx opset12 dynamicTrue simplifyTrueopset12是兼容性和功能性的折中点太低的opset不支持某些算子太高的opset在老旧推理引擎里反而跑不起来。dynamicTrue让输入尺寸可动态变化这样部署时可以灵活调整分辨率。simplifyTrue会用图优化工具把一些冗余算子合并文件大小会小一点。导出后必须对比PyTorch模型和ONNX的输出不能只验证推理时间。写一个简单的对比脚本分别用两种方式跑同一张图比较输出框的坐标差。如果坐标差大于0.005个相对宽度说明算子转换出了问题优先检查Focus层或SPPF在ONNX下的实现。yolo11n在导出时偶尔会遇到个别算子的Reduce维度问题解决办法是换一个opset版本重试。5.2 在边缘设备上转成NCNN格式并量化如果你的部署环境是嵌入式端或者电脑上没有CUDAONNX不一定适合直接跑转成NCNN格式会更轻量。常见流程是先用ONNX转NCNN再做int8量化校准onnx2ncnn model.onnx model.param model.bin ncnnoptimize model.param model.bin model_opt.param model_opt.bin 0第二步是优化网络结构0表示不fp16混合量化如果你的设备支持VFP16可以换成65536但安全帽检测精度优先我建议先不做fp16保留fp32跑。量化校准命令quantize-ncnn-model model_opt.param model_opt.bin model_int8.param model_int8.bin images.txt这里的images.txt是校准图片列表不需要带标注但尽量覆盖多种光照下的安全帽场景。校准图片数量我一般用200张太少会导致量化后误检剧增。量化后一定要重新跑一遍验证集int8模型mAP通常比fp32低1到2个点如果降太多先检查校准图片是否和真实场景分布一致。5.3 部署技巧对戴帽、未戴帽分别设置阈值在安全帽检测场景两类错误的代价完全不对等戴帽被误报成未戴帽会造成虚警未戴帽被漏检则是安全事故。所以我会在部署代码里分别设置两个阈值而不是用同一个值。对without_helmet设0.35保证漏检率低对with_helmet设0.65压低误报率。这样即使有人从远处走过只要帽顶特征模糊模型倾向于不给出“未戴帽”的高置信度判断避免后台频繁误报。我经历过一次翻车第一次部署时全局用0.25的阈值结果视频里每隔几秒就把地上的影子或反光误报成未戴帽现场值班人员三天就骂了两次。后来我把阈值分离并加了“连续3帧检测到未戴帽才报警”的逻辑误报率直接降到原来的十分之一。从那以后我每次部署安全帽项目都会强制走一遍阈值分离多帧确认这个流程再急也没跳过。如果你正在用这份资源做安全帽检测训练好的yolo11n权重可以覆盖大多数工地出入口和室内作业场景但请务必在自己的测试集上跑一遍注意光线剧烈变化和大逆光环境。希望帮到你。本文还有配套的精品资源点击获取