企业官网建设流程全解析

智慧工厂安全防护监测数据集-厂区人员安全防护检测数据集，
6233张（添加噪声增强处理），yolo，voc，coco三种标注方式
图像尺寸:640*640

类别数量:9类
训练集图像数量:5781; 验证集图像数量:333； 测试集图像数量:119
类别名称: 每一类图像数 ，每一类标注数
Helmet 安全帽 | 5549,19062
Vest 反光安全背心 | 5221,14981
Shoes 劳保鞋 | 5163,20876
Jump-suit 连体工作服 | 1042,2111
Without-shoes 未穿鞋 | 938,1878
Apron 围裙 | 2039,2845
Without-vest 未穿安全背心 | 4355,4432
Without-helmet 未戴安全帽 | 4331,5488
Goggles 护目镜 | 131,132
image num: 6233

模型代码
采用 YOLOv11n 网络训练
训练轮次：80 个 epoch

提供全部训练 + 测试源代码
训练精度 mAP 效果如图所示
PyQt5 界面功能

界面使用 PyQt5 开发，提供全部源码（.ui、.qrc、.py 及图标文件）
支持图片检测、视频检测、摄像头实时检测
界面实时显示：目标位置、目标总数、置信度等信息
支持检测结果保存导出
操作简单直观，无需命令行
4、
运行环境：Python=3.8、opencv-python、PyQt5、torch
支持 Windows、Linux 系统

智慧工厂‑厂区人员安全防护检测数据集&YOLOv11全套项目详情

一、数据集基础信息

• 项目名称：基于YOLOv11的厂区人员安全防护检测系统
• 数据集名称：智慧工厂人员安全防护检测数据集
• 图像总数量：6233张（包含噪声、亮度、翻转等图像增强扩充样本）
• 图像分辨率：640 × 640
• 标注格式：YOLO‑TXT + VOC‑XML + COCO‑JSON三格式全套标注
• 任务类型：多类别目标检测、工厂人员劳保穿戴合规检测、智慧厂区安全AI监控
• 适用模型：YOLOv11‑n/s/m/l/x、YOLOv8、RT‑DETR等主流检测框架
• 类别总数：9类

二、类别清单&标注框统计

数据集划分（官方切分）

• 训练集(train)：5781张
• 验证集(val)：333张
• 测试集(test)：119张
  

三、数据集目录结构、

factory_safety_dataset/ ├─images/ │ ├─train/ │ ├─val/ │ └─test/ ├─labels/ #YOLO txt标注 │ ├─train/ │ ├─val/ │ └─test/ ├─voc_annotations/ #VOC‑XML标注文件 ├─coco_annotations/ #COCO‑JSON标注文件 │ ├─train.json │ ├─val.json │ └─test.json └─safety.yaml #YOLO配置文件

safety.yaml 完整配置文件（直接复制）

path:./factory_safety_datasettrain:images/trainval:images/valtest:images/testnames:0:Helmet1:Vest2:Shoes3:Jump-suit4:Without-shoes5:Apron6:Without-vest7:Without-helmet8:Goggles

四、数据集特点说明

1. 9大类劳保穿戴全覆盖：包含合规穿戴样本 + 违规漏戴样本，可同时检测安全帽、反光背心、劳保鞋、工作服、围裙、护目镜以及未佩戴安全帽、未穿背心、未穿鞋等违章行为。
2. 工厂实景复杂工况：画面背景包含车间设备、流水线、厂房室内外场景；存在人员遮挡、远距离小目标、光照变化等难点样本；数据集添加噪声增强，大幅提升模型在监控画面下的泛化能力。
3. 样本不均衡提示：护目镜(Goggles)样本量偏少，训练时可开启类别权重、马赛克增强，提升小样本类别检测精度。
4. 三标注格式：YOLO、VOC、COCO三种标注，适配几乎所有深度学习目标检测框架，无需二次转换格式。
5. 落地应用场景：智慧工厂AI视频监控、工地/厂区人员安全穿戴检测、安监智能巡检系统、车间违规行为预警、毕业设计项目。

五、YOLOv11‑n 训练完整代码

fromultralyticsimportYOLO#加载YOLOv11n预训练权重model=YOLO("yolo11n.pt")#开始训练results=model.train(data="safety.yaml",epochs=80,imgsz=640,batch=16,device=0,patience=20,mosaic=1.0,hsv_h=0.015,hsv_s=0.7,hsv_v=0.4,project='factory_safety_result',name='yolo11n_train')#模型评估metrics=model.val()#单张图片预测model.predict(source="1.jpg",save=True)

六、PyQt5可视化GUI系统介绍（全套源码）

界面功能清单

1. ✅图片检测：选择本地图片，绘制检测框、类别标签与置信度
2. ✅视频检测：导入本地视频文件逐帧推理，实时播放检测结果
3. ✅摄像头实时检测：调用电脑摄像头，实时画面检测厂区人员防护
4. ✅检测信息展示：推理耗时、检测目标总数量、置信度、目标坐标(xmin,ymin,xmax,ymax)
5. ✅表格输出：列表展示每一个目标：类别、置信度、坐标位置、文件路径
6. ✅结果保存导出：一键保存检测完成后的图片、视频以及检测报表
7. ✅图形化操作：可视化窗口，无需输入命令行，零基础可上手

源码包含文件

.ui界面设计文件 +.qrc资源图标文件 + 全部.py业务代码 + 权重文件

推荐运行环境

Python=3.8
torch、ultralytics、opencv‑python、PyQt5、numpy

兼容 Windows / Linux；支持CPU版本运行，可远程环境部署配置。

YOLOv11厂区人员安全防护检测智慧工厂劳保穿戴数据集9类安全帽反光背心检测数据集PyQt5可视化GUI全套系统工业安全违章行为识别毕业设计YOLO项目源码数据集

。