尧图网页设计 
简介一套面向计算机视觉课程设计与毕业设计场景的YOLOv9工地工人反光衣识别检测系统完整交付包适合在校学生、专业教师及企业开发者快速上手目标检测项目。系统聚焦工地工人是否规范穿戴反光衣的自动检测问题内置训练好的模型权重、评估指标曲线与详细运行教程无需从零训练即可直接运行与推理也可按需替换为自定义数据集进行迁移训练。压缩包共187个文件、约76.27MB以83个Python脚本、31个YOLO配置yaml文件、3个预训练pt权重为主附带测试图片、评估csv结果及ipynb示例脚本完整覆盖数据配置、模型训练、检测推理与结果可视化链路目录结构清晰便于按模块检索。已有230人学习下载适合课程设计、毕业设计或工程落地中需要完整源码与可复现训练的开发者参考。1. 监控视角反光衣识别这套YOLOv9系统解决的是工地上最容易被客诉的一个需求工地安全帽检测做了三年真正让项目验收卡壳的往往不是安全帽而是反光衣。安全帽在监控画面里是一个“封闭圆形”反光衣在画面里是一条被压缩的亮色带白天会过曝晚上靠反光条形状、颜色、亮度全都在变。这个zip里装的是一套完整交付物YOLOv9训练的python源码、详细运行教程、已经训练好的模型权重、以及评估指标曲线图表。它解决的是“用普通监控摄像头在远距离俯拍视角下判断工人有没有穿反光衣”这个具体问题。适合正在做智慧工地安监、准备在校验证目标检测方案、或者接了政企项目但没有现成权重可用的从业者。拿到手不是去看论文而是把权重跑起来然后替换成自己工地的数据重新训练。2. 反光衣检测难在哪以及YOLOv9为什么是这套系统的底盘2.1 监控视角的三个老大难小目标、反光过曝、透视形变先说清楚监控视角和网络图片视角的区别。网络图片里的反光衣是摄影师对着人拍的目标占画面比例大衣服上的反光条纹理清晰工地监控是架在塔吊、围挡或者门禁杆上的往下俯拍一个身高一米七的工人在1080P画面里可能只有80×40像素折算回YOLO的640输入就只有不到30×15像素。这是一个标准的小目标问题。第二个问题是反光衣的材料特性。反光衣用的是逆反射材料正对光源的时候会瞬间高亮摄像头传感器直接过曝衣服区域变成一坨纯白背对光源的时候颜色又暗下来跟水泥背景混在一起。也就是说同一个目标在一天里的亮度方差比不同类别的亮度方差还大。第三个问题是透视形变。俯拍视角下工人的身体是一个压缩的椭圆反光衣的背心带子横向折叠如果工人弯腰搬砖反光衣在画面里就变成几条亮线。这些问题叠加在一起导致一个现象不少项目方拿公开数据集训练的反光衣模型跑工地监控白天漏检率超过30%晚上反而好一些——因为晚上只有反光条是亮的。2.2 YOLOv9的PGI与GELAN为小目标保留梯度为反光特征留出通道YOLOv9在2024年初发布核心卖点是两个结构可编程梯度信息Programmable Gradient InformationPGI和基于GELAN的骨架。这两个东西对反光衣任务都不是纸上谈兵。先讲PGI。YOLOv9的作者观察到深度网络在反向传播的时候浅层的梯度信息会随着层数加深而丢失或者被污染具体表现是网络越深浅层反而学不到细节特征。反光衣检测恰恰依赖浅层的细节——反光条的边界、背心的反光纹理都在浅层特征图里。PGI的做法是在训练阶段额外接一个辅助可逆分支这个分支不参与推理只在反向传播时给主分支补充梯度相当于给浅层特征开了一条“后门”让它们不因为路径太长而学不到东西。这对小目标的意义在于小目标在深层特征图里本来就没剩几个像素如果浅层特征再被梯度丢失削弱基本就废了。第二个是GELAN。它是CSPNet和ELAN的融合核心思想是用更高效的方式做特征融合让网络在参数不爆炸的前提下有更丰富的多尺度特征。对反光衣这种“颜色集中、纹理简单、形状变化大”的目标GELAN的梯度路径更短收敛更快。我自己的感受是同样的数据YOLOv9在训练早期的收敛速度比YOLOv8快一截大概能省20%到30%的epoch数。2.3 在反光衣任务里选型YOLOv9与YOLOv5/v8的取舍很多读者会问我手上还有一套YOLOv5的代码为什么非要换YOLOv9这里要分场景说。如果摄像头架在门禁卡口画面里人是一个一个走的目标大、数量少YOLOv5s用CPU都能跑没必要换。但如果摄像头架在作业面上画面里十几个工人远的可能只有20像素高这时候YOLOv5的C3结构在小目标上的特征融合能力就明显不够用了。YOLOv8的C2f比C3好但YOLOv9的PGI对浅层特征的保留能力又比C2f高一个段位尤其是在远距离、小目标、背景杂乱的场景。代价是速度。YOLOv9的推理成本比YOLOv8高一些同一个模型大小档位FPS大概低15%到25%。这个取舍我认为是值得的反光衣检测不是实时驾驶哪怕降到10FPS配合抽帧检测也完全够用。而且反光衣漏检的代价是安全事故和项目返工这个比算力成本高得多。3. 先跑通附带的检测系统环境、权重与第一帧检测框3.1 解压后核对交付物缺什么先补齐拿到zip先解压不要急着双击任何.py脚本。第一件事是按标题核对交付物有没有给齐python源码、运行教程、训练好的模型权重、评估指标曲线。我解压后一般是这样一个布局yolov9/YOLOv9官方仓库包含train.py、detect.py、val.py、models/、data/runs/train/exp/weights/best.pt训练好的模型这是后面所有推理的入口runs/val/exp/PR_curve.png、F1_curve.png、confusion_matrix.png、results.png这些评估指标曲线数据集/标注好的反光衣图片和标注文件README_运行教程.md环境安装、训练、推理的逐步说明注意一个细节best.pt和last.pt的区别要搞清楚。best.pt是验证集mAP最高的那一轮权重last.pt是训练到最后一轮保存的权重。如果两者体积差不多直接用best.pt如果last.pt明显更小说明训练过程中模型可能崩过。3.2 用conda把YOLOv9的环境搭起来这套系统的运行环境不复杂核心依赖就几个Python 3.8以上、PyTorch 1.8以上、torchvision以及YOLOv9仓库requirements.txt里的OpenCV、NumPy这些常规库。建议用conda新建环境不要直接装在base环境里因为工地上还会跑其他算法环境隔离是给自己留后悔药。conda create -n yolo9 python3.9 -y conda activate yolo9 cd yolov9 # 如果机器有NVIDIA显卡先装CUDA版PyTorch pip install torch2.0.1 torchvision0.15.1 --index-url https://download.pytorch.org/whl/cu118 # 安装YOLOv9仓库依赖 pip install -r requirements.txt这里有个实际经验requirements.txt里的OpenCV版本如果和系统里已有的OpenCV冲突会报cv2.error或者ImportError。解决方法是最后单独重装一次pip install opencv-python4.8.1.78 -U --force-reinstall3.3 视频推理与评估指标曲线怎么确认模型没被发错环境搭好之后先跑一次官方自带权重或者zip里附带的best.pt目标是看到“第一帧检测框”。以一段工地的监控视频为例子python detect.py \ --weights runs/train/exp/weights/best.pt \ --source /path/to/construction_site.mp4 \ --conf 0.25 \ --iou 0.45 \ --imgsz 1280 \ --device 0参数说明--conf 0.25是置信度阈值低于这个值的框会被丢掉--iou 0.45是NMS的IoU阈值两个框重叠超过这个值就合并成一个--imgsz 1280是输入分辨率监控视频一般是1080P640会直接丢掉小目标。我一般会先用0.25和0.45跑一遍看漏检多就降conf看误检多就升conf这是一种“玄学调试”但确实是最快的调参路径。接着看评估指标曲线确认模型不是拿错文件发过来的。PR_curve.png能看出置信度阈值和精度/召回率的关系曲线越靠近右上角越好F1_curve.png的峰值对应的置信度阈值适合作为推理参数confusion_matrix.png里如果反光衣类别和背景类别之间有明显的非对角元素说明训练数据里有大量低质量标注。单类检测模型会遇到一个特殊情况反光衣是唯一的目标类别所有类似的亮色区域都可能被识别成反光衣。所以看到置信度曲线峰值为0.19左右时不要紧张这是正常现象高阈值下召回率跌得厉害。4. 用自己工地的监控数据重新训练从标注到评估指标曲线4.1 把VOC/COCO标注转成YOLO的txt格式附带的模型是别人在某个数据集上练出来的大概率不匹配你工地的角度和光线。要真正落地必须用自己的监控截图重新训练。第一步是标注。常见标注工具是LabelImg或Labelme输出Pascal VOC格式的xml或者JSON格式。YOLO系列训练需要的是每张图片一个txt文件每行格式是类别ID 中心x 中心y 宽 高坐标都是相对于图片宽高的比值。下面是一个把VOC格式xml批量转成YOLO格式txt的脚本核心逻辑要处理好边界裁剪和过小目标过滤import os import xml.etree.ElementTree as ET def convert_voc_to_yolo(xml_path, out_txt_path, classes): 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): cls_name obj.find(name).text if cls_name not in classes: continue cls_id classes.index(cls_name) box obj.find(bndbox) xmin int(box.find(xmin).text) ymin int(box.find(ymin).text) xmax int(box.find(xmax).text) ymax int(box.find(ymax).text) # 边界约束防止标注框超出图片边界导致训练loss为nan xmin max(0, xmin) ymin max(0, ymin) xmax min(img_w, xmax) ymax min(img_h, ymax) width xmax - xmin height ymax - ymin if width 2 or height 2: continue # 过小目标直接丢弃属于标注噪声 # 归一化到0~1 cx (xmin width / 2) / img_w cy (ymin height / 2) / img_h w width / img_w h height / img_h lines.append(f{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) with open(out_txt_path, w) as f: f.write(\n.join(lines)) # 使用示例 classes [reflective_vest] # 单类检测 xml_dir annotations/xml/ txt_dir annotations/txt/ os.makedirs(txt_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if xml_file.endswith(.xml): stem xml_file.replace(.xml, ) convert_voc_to_yolo( os.path.join(xml_dir, xml_file), os.path.join(txt_dir, stem .txt), classes )逻辑说明脚本把XML里每个object标签的bndbox坐标读出来先做边界约束再归一化。width 2的过滤很关键监控视角下人工标注经常出现1像素宽的细线框这种框代表标注员自己都没看清留着只会污染训练数据。4.2 配置data文件训练集、验证集与类别YOLOv9训练需要读一个yaml格式的数据配置文件里面指定训练集、验证集路径、类别数量和类别名。常见的坑是绝对路径和相对路径混淆以及图片和txt文件名不一致。# ppe.yaml train: /home/user/reflective_vest/dataset/train val: /home/user/reflective_vest/dataset/val nc: 1 names: [reflective_vest]这里train和val目录下的结构要求是每个目录里同时存在jpg图片和同名txt标注文件。检查脚本如下# 检查训练集里有没有图片缺失对应的txt find dataset/train -name *.jpg | while read img; do txt${img%.jpg}.txt if [ ! -f $txt ]; then echo MISSING: $txt fi done如果图片是png、bmp格式也要统一改后缀再对应否则训练时会报FileNotFoundError。4.3 训练命令与必调参数监控视角怎么设batch和imgsz数据准备好之后进入训练阶段。以finetune附带的权重为例python train.py \ --data ppe.yaml \ --weights runs/train/exp/weights/best.pt \ --batch 16 \ --epochs 200 \ --imgsz 1280 \ --device 0 \ --patience 30参数选择和原因参数推荐值原因--batch16或32显存允许的前提下越大越好。小于8时BN层统计不稳定loss曲线会抖动得像心电图--imgsz1280监控原图是1080P640会让工人目标缩小到十几个像素无法训练--patience30验证集指标连续30轮不提升就早停避免过拟合和浪费时间--epochs200反光衣是单类简单任务通常80轮内收敛200是给足余量防止学习率衰减没走完训练完成后runs/train/exp/目录下会出现新的weights/best.pt和一组评估指标曲线。这时候不要急着部署先对比一下附带的PR曲线和自己训练出的PR曲线如果新模型的mAP50比附带模型高5个百分点以上说明附带模型确实不适合你的场景如果反而低了先检查标注质量和train/val数据分布是否一致。5. 反光衣模型落地避坑五条实测踩坑记录5.1 现象mAP很高实际监控视频里检测框疯狂抖动原因训练集里一张图只标了一个人视频里一个画面出现十几个人且互相遮挡。模型对重叠目标的遮挡鲁棒性没训练出来。解决训练数据里主动加入密集场景截图把多个工人站在一起、前后遮挡的情况单独作为一个文件夹并且在数据增强里把mosaic开启。YOLOv9的--mosaic参数在密集小目标场景下不是摆设它能模拟遮挡。另一个有效方案是在推理端把--iou从0.45降到0.35减少NMS对密集目标的压制。5.2 现象白天阳光下的反光背心直接过曝模型漏检原因逆反射材料在阳光直射下反光强度超过传感器动态范围衣服变成纯白区域纹理特征全部丢失。模型训练集里缺少这种高光样本。解决主动采集一天中不同光照的截图尤其是中午11点到下午2点之间的过曝样本加入训练集。如果样本不够用数据增强里的HSV调整把饱和度抽到0.2以下、亮度抽到1.5倍以上模拟过曝效果。经验法则是过曝样本占到总训练集的10%到15%。晚上场景靠的是反光条如果晚上漏检严重单独采集夜间监控截图补进去不要指望白天模型自动适配晚上。5.3 现象原图大小不一会导致模型隔三秒漏检一次原因工地摄像头有的是1080P有的是400万像素还有的带有电子稳像裁切。--imgsz固定之后不同原图缩放比例不同小目标在部分图上直接缩没了。解决训练和推理都用多尺度。训练时--multi-scale参数让模型每10个batch随机变换输入尺寸增强尺寸鲁棒性推理时按照摄像头实际分辨率分组建立“摄像头- imgsz”映射表而不是全局用一个尺寸。另外分辨率越高的摄像头推理时imgsz可以适当调大但不要超过1600否则显存和延迟都压不住。5.4 现象拿公开数据集训练的权重直接部署到工地俯拍视角翻车严重原因公开的反光衣数据集大都是网络图片平视视角、目标大、背景干净。工地监控是俯拍、远距离、杂乱背景两者数据分布差异巨大。这不是模型问题是迁移学习里的域偏移。解决用附带权重作为预训练而不是最终模型。拿工地截图哪怕只有200张配上公开数据集微调训练时冻结前10层只更新后面层这样能保留预训练学到的纹理特征同时适配监控视角。微调epochs设50学习率比从头训练小10倍否则预训练权重直接被冲掉。5.5 现象训练时loss下降正常评估指标曲线却一路走低原因loss下降正常代表模型在训练集上拟合得不错评估指标曲线走低代表验证集上有大量误检或漏检。最典型的翻车原因是train和val数据来自同一天同一时段验证集里只有相似光线角度的样本模型被“培养”成了环境记忆而不是反光衣检测器。解决划分训练集时把不同日期、不同时段、不同摄像头的图片混合后重新洗牌而不是按文件夹直接切分。val集至少要包含两个不同的摄像头视角否则指标高得没有意义。6. 把检测做成可用的监控逻辑分块推理、帧间跟踪与导出部署6.1 高清监控图分块推理避免小目标被resize吃掉把imgsz调高到1280或1600只是治标真正的治本方案是分块推理。把400万像素的原图切成若干小块每块独立送入模型推理再把检测框映射回原图坐标。切块时要有overlap防止目标恰好被切分线劈开。import cv2 import numpy as np from models.experimental import attempt_load from utils.augmentations import letterbox from utils.general import non_max_suppression def detect_tiles(model, img_path, tile_size1024, overlap96): img0 cv2.imread(img_path) h, w img0.shape[:2] detections [] step tile_size - overlap for y in range(0, h, step): for x in range(0, w, step): y2 min(y tile_size, h) x2 min(x tile_size, w) tile img0[y:y2, x:x2] # letterbox填充保持宽高比不变 tile_letter, ratio, (dw, dh) letterbox(tile, (tile_size, tile_size), autoTrue) tile_input tile_letter[:, :, ::-1].transpose(2, 0, 1) # BGR-RGB, HWC-CHW tile_input np.ascontiguousarray(tile_input) tile_input torch.from_numpy(tile_input).unsqueeze(0).float() / 255.0 with torch.no_grad(): pred model(tile_input)[0] pred non_max_suppression(pred, conf_thres0.25, iou_thres0.45) for det in pred[0]: x1, y1, x2, y2, conf, cls det.cpu().numpy() # 坐标映射回原图扣除letterbox的padding x1 (x1 - dw) / ratio x y1 (y1 - dh) / ratio y x2 (x2 - dw) / ratio x y2 (y2 - dh) / ratio y detections.append([x1, y1, x2, y2, conf, cls]) return detections这段代码的逻辑是把大图切成tile_size大小的块每个块送进模型再按letterbox的ratio和padding把坐标还原回原图坐标系。overlap设96像素是为了防止目标被切分线切断后两个半块各自都检测不出来。建议配合全局NMS再过滤一次重复框。6.2 接上ByteTrack让反光衣检测框稳定住反光衣是视频任务不是单帧图像任务。单帧检测器丢一帧就会闪烁对监控平台来说这个体验是不可接受的。我一般的接法是ByteTrack它对低置信度检测框更宽容适合小目标场景。核心思路是先用高置信度框做匹配再用低置信度框补漏并且对临时丢失的目标有轨迹保持。ByteTrack的接入不需要改YOLOv9的模型代码只需要把detect.py输出的检测框喂给跟踪器。跟踪器的参数重点调两个track_thresh匹配时用的置信度阈值和min_box_area过滤太小的框。监控场景我一般设track_thresh0.3、min_box_area200太小的框跟踪出来也是抖动的。6.3 导出ONNX在边缘盒子上的轻量部署思路最后一步是把训练好的best.pt导出成ONNX用于边缘设备部署。YOLOv9仓库自带导出脚本python export.py \ --weights runs/train/exp/weights/best.pt \ --include onnx \ --dynamic导出后建议对ONNX再做一次精度对比验证确认导出的模型和PyTorch原模型在同一个测试视频上漏检率一致。如果发现ONNX权重被大幅度压缩导致精度崩了则说明网络结构里有导出算子不支持的问题此时我一般退回PyTorch原格式改成跑在x86工控机的推理进程里。这些年做过不少类似项目我踩过最重的一次是拿着别人的模型没重新训练就直接交付结果白天阳光场景漏检一半。从那以后我养成了一个习惯拿到任何一套检测系统不是先问准确率而是先问训练集长什么样。希望帮到你。本文还有配套的精品资源点击获取 基于YOLOv9的工地反光衣检测系统实战解析
简介一套面向计算机视觉课程设计与毕业设计场景的YOLOv9工地工人反光衣识别检测系统完整交付包适合在校学生、专业教师及企业开发者快速上手目标检测项目。系统聚焦工地工人是否规范穿戴反光衣的自动检测问题内置训练好的模型权重、评估指标曲线与详细运行教程无需从零训练即可直接运行与推理也可按需替换为自定义数据集进行迁移训练。压缩包共187个文件、约76.27MB以83个Python脚本、31个YOLO配置yaml文件、3个预训练pt权重为主附带测试图片、评估csv结果及ipynb示例脚本完整覆盖数据配置、模型训练、检测推理与结果可视化链路目录结构清晰便于按模块检索。已有230人学习下载适合课程设计、毕业设计或工程落地中需要完整源码与可复现训练的开发者参考。1. 监控视角反光衣识别这套YOLOv9系统解决的是工地上最容易被客诉的一个需求工地安全帽检测做了三年真正让项目验收卡壳的往往不是安全帽而是反光衣。安全帽在监控画面里是一个“封闭圆形”反光衣在画面里是一条被压缩的亮色带白天会过曝晚上靠反光条形状、颜色、亮度全都在变。这个zip里装的是一套完整交付物YOLOv9训练的python源码、详细运行教程、已经训练好的模型权重、以及评估指标曲线图表。它解决的是“用普通监控摄像头在远距离俯拍视角下判断工人有没有穿反光衣”这个具体问题。适合正在做智慧工地安监、准备在校验证目标检测方案、或者接了政企项目但没有现成权重可用的从业者。拿到手不是去看论文而是把权重跑起来然后替换成自己工地的数据重新训练。2. 反光衣检测难在哪以及YOLOv9为什么是这套系统的底盘2.1 监控视角的三个老大难小目标、反光过曝、透视形变先说清楚监控视角和网络图片视角的区别。网络图片里的反光衣是摄影师对着人拍的目标占画面比例大衣服上的反光条纹理清晰工地监控是架在塔吊、围挡或者门禁杆上的往下俯拍一个身高一米七的工人在1080P画面里可能只有80×40像素折算回YOLO的640输入就只有不到30×15像素。这是一个标准的小目标问题。第二个问题是反光衣的材料特性。反光衣用的是逆反射材料正对光源的时候会瞬间高亮摄像头传感器直接过曝衣服区域变成一坨纯白背对光源的时候颜色又暗下来跟水泥背景混在一起。也就是说同一个目标在一天里的亮度方差比不同类别的亮度方差还大。第三个问题是透视形变。俯拍视角下工人的身体是一个压缩的椭圆反光衣的背心带子横向折叠如果工人弯腰搬砖反光衣在画面里就变成几条亮线。这些问题叠加在一起导致一个现象不少项目方拿公开数据集训练的反光衣模型跑工地监控白天漏检率超过30%晚上反而好一些——因为晚上只有反光条是亮的。2.2 YOLOv9的PGI与GELAN为小目标保留梯度为反光特征留出通道YOLOv9在2024年初发布核心卖点是两个结构可编程梯度信息Programmable Gradient InformationPGI和基于GELAN的骨架。这两个东西对反光衣任务都不是纸上谈兵。先讲PGI。YOLOv9的作者观察到深度网络在反向传播的时候浅层的梯度信息会随着层数加深而丢失或者被污染具体表现是网络越深浅层反而学不到细节特征。反光衣检测恰恰依赖浅层的细节——反光条的边界、背心的反光纹理都在浅层特征图里。PGI的做法是在训练阶段额外接一个辅助可逆分支这个分支不参与推理只在反向传播时给主分支补充梯度相当于给浅层特征开了一条“后门”让它们不因为路径太长而学不到东西。这对小目标的意义在于小目标在深层特征图里本来就没剩几个像素如果浅层特征再被梯度丢失削弱基本就废了。第二个是GELAN。它是CSPNet和ELAN的融合核心思想是用更高效的方式做特征融合让网络在参数不爆炸的前提下有更丰富的多尺度特征。对反光衣这种“颜色集中、纹理简单、形状变化大”的目标GELAN的梯度路径更短收敛更快。我自己的感受是同样的数据YOLOv9在训练早期的收敛速度比YOLOv8快一截大概能省20%到30%的epoch数。2.3 在反光衣任务里选型YOLOv9与YOLOv5/v8的取舍很多读者会问我手上还有一套YOLOv5的代码为什么非要换YOLOv9这里要分场景说。如果摄像头架在门禁卡口画面里人是一个一个走的目标大、数量少YOLOv5s用CPU都能跑没必要换。但如果摄像头架在作业面上画面里十几个工人远的可能只有20像素高这时候YOLOv5的C3结构在小目标上的特征融合能力就明显不够用了。YOLOv8的C2f比C3好但YOLOv9的PGI对浅层特征的保留能力又比C2f高一个段位尤其是在远距离、小目标、背景杂乱的场景。代价是速度。YOLOv9的推理成本比YOLOv8高一些同一个模型大小档位FPS大概低15%到25%。这个取舍我认为是值得的反光衣检测不是实时驾驶哪怕降到10FPS配合抽帧检测也完全够用。而且反光衣漏检的代价是安全事故和项目返工这个比算力成本高得多。3. 先跑通附带的检测系统环境、权重与第一帧检测框3.1 解压后核对交付物缺什么先补齐拿到zip先解压不要急着双击任何.py脚本。第一件事是按标题核对交付物有没有给齐python源码、运行教程、训练好的模型权重、评估指标曲线。我解压后一般是这样一个布局yolov9/YOLOv9官方仓库包含train.py、detect.py、val.py、models/、data/runs/train/exp/weights/best.pt训练好的模型这是后面所有推理的入口runs/val/exp/PR_curve.png、F1_curve.png、confusion_matrix.png、results.png这些评估指标曲线数据集/标注好的反光衣图片和标注文件README_运行教程.md环境安装、训练、推理的逐步说明注意一个细节best.pt和last.pt的区别要搞清楚。best.pt是验证集mAP最高的那一轮权重last.pt是训练到最后一轮保存的权重。如果两者体积差不多直接用best.pt如果last.pt明显更小说明训练过程中模型可能崩过。3.2 用conda把YOLOv9的环境搭起来这套系统的运行环境不复杂核心依赖就几个Python 3.8以上、PyTorch 1.8以上、torchvision以及YOLOv9仓库requirements.txt里的OpenCV、NumPy这些常规库。建议用conda新建环境不要直接装在base环境里因为工地上还会跑其他算法环境隔离是给自己留后悔药。conda create -n yolo9 python3.9 -y conda activate yolo9 cd yolov9 # 如果机器有NVIDIA显卡先装CUDA版PyTorch pip install torch2.0.1 torchvision0.15.1 --index-url https://download.pytorch.org/whl/cu118 # 安装YOLOv9仓库依赖 pip install -r requirements.txt这里有个实际经验requirements.txt里的OpenCV版本如果和系统里已有的OpenCV冲突会报cv2.error或者ImportError。解决方法是最后单独重装一次pip install opencv-python4.8.1.78 -U --force-reinstall3.3 视频推理与评估指标曲线怎么确认模型没被发错环境搭好之后先跑一次官方自带权重或者zip里附带的best.pt目标是看到“第一帧检测框”。以一段工地的监控视频为例子python detect.py \ --weights runs/train/exp/weights/best.pt \ --source /path/to/construction_site.mp4 \ --conf 0.25 \ --iou 0.45 \ --imgsz 1280 \ --device 0参数说明--conf 0.25是置信度阈值低于这个值的框会被丢掉--iou 0.45是NMS的IoU阈值两个框重叠超过这个值就合并成一个--imgsz 1280是输入分辨率监控视频一般是1080P640会直接丢掉小目标。我一般会先用0.25和0.45跑一遍看漏检多就降conf看误检多就升conf这是一种“玄学调试”但确实是最快的调参路径。接着看评估指标曲线确认模型不是拿错文件发过来的。PR_curve.png能看出置信度阈值和精度/召回率的关系曲线越靠近右上角越好F1_curve.png的峰值对应的置信度阈值适合作为推理参数confusion_matrix.png里如果反光衣类别和背景类别之间有明显的非对角元素说明训练数据里有大量低质量标注。单类检测模型会遇到一个特殊情况反光衣是唯一的目标类别所有类似的亮色区域都可能被识别成反光衣。所以看到置信度曲线峰值为0.19左右时不要紧张这是正常现象高阈值下召回率跌得厉害。4. 用自己工地的监控数据重新训练从标注到评估指标曲线4.1 把VOC/COCO标注转成YOLO的txt格式附带的模型是别人在某个数据集上练出来的大概率不匹配你工地的角度和光线。要真正落地必须用自己的监控截图重新训练。第一步是标注。常见标注工具是LabelImg或Labelme输出Pascal VOC格式的xml或者JSON格式。YOLO系列训练需要的是每张图片一个txt文件每行格式是类别ID 中心x 中心y 宽 高坐标都是相对于图片宽高的比值。下面是一个把VOC格式xml批量转成YOLO格式txt的脚本核心逻辑要处理好边界裁剪和过小目标过滤import os import xml.etree.ElementTree as ET def convert_voc_to_yolo(xml_path, out_txt_path, classes): 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): cls_name obj.find(name).text if cls_name not in classes: continue cls_id classes.index(cls_name) box obj.find(bndbox) xmin int(box.find(xmin).text) ymin int(box.find(ymin).text) xmax int(box.find(xmax).text) ymax int(box.find(ymax).text) # 边界约束防止标注框超出图片边界导致训练loss为nan xmin max(0, xmin) ymin max(0, ymin) xmax min(img_w, xmax) ymax min(img_h, ymax) width xmax - xmin height ymax - ymin if width 2 or height 2: continue # 过小目标直接丢弃属于标注噪声 # 归一化到0~1 cx (xmin width / 2) / img_w cy (ymin height / 2) / img_h w width / img_w h height / img_h lines.append(f{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) with open(out_txt_path, w) as f: f.write(\n.join(lines)) # 使用示例 classes [reflective_vest] # 单类检测 xml_dir annotations/xml/ txt_dir annotations/txt/ os.makedirs(txt_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if xml_file.endswith(.xml): stem xml_file.replace(.xml, ) convert_voc_to_yolo( os.path.join(xml_dir, xml_file), os.path.join(txt_dir, stem .txt), classes )逻辑说明脚本把XML里每个object标签的bndbox坐标读出来先做边界约束再归一化。width 2的过滤很关键监控视角下人工标注经常出现1像素宽的细线框这种框代表标注员自己都没看清留着只会污染训练数据。4.2 配置data文件训练集、验证集与类别YOLOv9训练需要读一个yaml格式的数据配置文件里面指定训练集、验证集路径、类别数量和类别名。常见的坑是绝对路径和相对路径混淆以及图片和txt文件名不一致。# ppe.yaml train: /home/user/reflective_vest/dataset/train val: /home/user/reflective_vest/dataset/val nc: 1 names: [reflective_vest]这里train和val目录下的结构要求是每个目录里同时存在jpg图片和同名txt标注文件。检查脚本如下# 检查训练集里有没有图片缺失对应的txt find dataset/train -name *.jpg | while read img; do txt${img%.jpg}.txt if [ ! -f $txt ]; then echo MISSING: $txt fi done如果图片是png、bmp格式也要统一改后缀再对应否则训练时会报FileNotFoundError。4.3 训练命令与必调参数监控视角怎么设batch和imgsz数据准备好之后进入训练阶段。以finetune附带的权重为例python train.py \ --data ppe.yaml \ --weights runs/train/exp/weights/best.pt \ --batch 16 \ --epochs 200 \ --imgsz 1280 \ --device 0 \ --patience 30参数选择和原因参数推荐值原因--batch16或32显存允许的前提下越大越好。小于8时BN层统计不稳定loss曲线会抖动得像心电图--imgsz1280监控原图是1080P640会让工人目标缩小到十几个像素无法训练--patience30验证集指标连续30轮不提升就早停避免过拟合和浪费时间--epochs200反光衣是单类简单任务通常80轮内收敛200是给足余量防止学习率衰减没走完训练完成后runs/train/exp/目录下会出现新的weights/best.pt和一组评估指标曲线。这时候不要急着部署先对比一下附带的PR曲线和自己训练出的PR曲线如果新模型的mAP50比附带模型高5个百分点以上说明附带模型确实不适合你的场景如果反而低了先检查标注质量和train/val数据分布是否一致。5. 反光衣模型落地避坑五条实测踩坑记录5.1 现象mAP很高实际监控视频里检测框疯狂抖动原因训练集里一张图只标了一个人视频里一个画面出现十几个人且互相遮挡。模型对重叠目标的遮挡鲁棒性没训练出来。解决训练数据里主动加入密集场景截图把多个工人站在一起、前后遮挡的情况单独作为一个文件夹并且在数据增强里把mosaic开启。YOLOv9的--mosaic参数在密集小目标场景下不是摆设它能模拟遮挡。另一个有效方案是在推理端把--iou从0.45降到0.35减少NMS对密集目标的压制。5.2 现象白天阳光下的反光背心直接过曝模型漏检原因逆反射材料在阳光直射下反光强度超过传感器动态范围衣服变成纯白区域纹理特征全部丢失。模型训练集里缺少这种高光样本。解决主动采集一天中不同光照的截图尤其是中午11点到下午2点之间的过曝样本加入训练集。如果样本不够用数据增强里的HSV调整把饱和度抽到0.2以下、亮度抽到1.5倍以上模拟过曝效果。经验法则是过曝样本占到总训练集的10%到15%。晚上场景靠的是反光条如果晚上漏检严重单独采集夜间监控截图补进去不要指望白天模型自动适配晚上。5.3 现象原图大小不一会导致模型隔三秒漏检一次原因工地摄像头有的是1080P有的是400万像素还有的带有电子稳像裁切。--imgsz固定之后不同原图缩放比例不同小目标在部分图上直接缩没了。解决训练和推理都用多尺度。训练时--multi-scale参数让模型每10个batch随机变换输入尺寸增强尺寸鲁棒性推理时按照摄像头实际分辨率分组建立“摄像头- imgsz”映射表而不是全局用一个尺寸。另外分辨率越高的摄像头推理时imgsz可以适当调大但不要超过1600否则显存和延迟都压不住。5.4 现象拿公开数据集训练的权重直接部署到工地俯拍视角翻车严重原因公开的反光衣数据集大都是网络图片平视视角、目标大、背景干净。工地监控是俯拍、远距离、杂乱背景两者数据分布差异巨大。这不是模型问题是迁移学习里的域偏移。解决用附带权重作为预训练而不是最终模型。拿工地截图哪怕只有200张配上公开数据集微调训练时冻结前10层只更新后面层这样能保留预训练学到的纹理特征同时适配监控视角。微调epochs设50学习率比从头训练小10倍否则预训练权重直接被冲掉。5.5 现象训练时loss下降正常评估指标曲线却一路走低原因loss下降正常代表模型在训练集上拟合得不错评估指标曲线走低代表验证集上有大量误检或漏检。最典型的翻车原因是train和val数据来自同一天同一时段验证集里只有相似光线角度的样本模型被“培养”成了环境记忆而不是反光衣检测器。解决划分训练集时把不同日期、不同时段、不同摄像头的图片混合后重新洗牌而不是按文件夹直接切分。val集至少要包含两个不同的摄像头视角否则指标高得没有意义。6. 把检测做成可用的监控逻辑分块推理、帧间跟踪与导出部署6.1 高清监控图分块推理避免小目标被resize吃掉把imgsz调高到1280或1600只是治标真正的治本方案是分块推理。把400万像素的原图切成若干小块每块独立送入模型推理再把检测框映射回原图坐标。切块时要有overlap防止目标恰好被切分线劈开。import cv2 import numpy as np from models.experimental import attempt_load from utils.augmentations import letterbox from utils.general import non_max_suppression def detect_tiles(model, img_path, tile_size1024, overlap96): img0 cv2.imread(img_path) h, w img0.shape[:2] detections [] step tile_size - overlap for y in range(0, h, step): for x in range(0, w, step): y2 min(y tile_size, h) x2 min(x tile_size, w) tile img0[y:y2, x:x2] # letterbox填充保持宽高比不变 tile_letter, ratio, (dw, dh) letterbox(tile, (tile_size, tile_size), autoTrue) tile_input tile_letter[:, :, ::-1].transpose(2, 0, 1) # BGR-RGB, HWC-CHW tile_input np.ascontiguousarray(tile_input) tile_input torch.from_numpy(tile_input).unsqueeze(0).float() / 255.0 with torch.no_grad(): pred model(tile_input)[0] pred non_max_suppression(pred, conf_thres0.25, iou_thres0.45) for det in pred[0]: x1, y1, x2, y2, conf, cls det.cpu().numpy() # 坐标映射回原图扣除letterbox的padding x1 (x1 - dw) / ratio x y1 (y1 - dh) / ratio y x2 (x2 - dw) / ratio x y2 (y2 - dh) / ratio y detections.append([x1, y1, x2, y2, conf, cls]) return detections这段代码的逻辑是把大图切成tile_size大小的块每个块送进模型再按letterbox的ratio和padding把坐标还原回原图坐标系。overlap设96像素是为了防止目标被切分线切断后两个半块各自都检测不出来。建议配合全局NMS再过滤一次重复框。6.2 接上ByteTrack让反光衣检测框稳定住反光衣是视频任务不是单帧图像任务。单帧检测器丢一帧就会闪烁对监控平台来说这个体验是不可接受的。我一般的接法是ByteTrack它对低置信度检测框更宽容适合小目标场景。核心思路是先用高置信度框做匹配再用低置信度框补漏并且对临时丢失的目标有轨迹保持。ByteTrack的接入不需要改YOLOv9的模型代码只需要把detect.py输出的检测框喂给跟踪器。跟踪器的参数重点调两个track_thresh匹配时用的置信度阈值和min_box_area过滤太小的框。监控场景我一般设track_thresh0.3、min_box_area200太小的框跟踪出来也是抖动的。6.3 导出ONNX在边缘盒子上的轻量部署思路最后一步是把训练好的best.pt导出成ONNX用于边缘设备部署。YOLOv9仓库自带导出脚本python export.py \ --weights runs/train/exp/weights/best.pt \ --include onnx \ --dynamic导出后建议对ONNX再做一次精度对比验证确认导出的模型和PyTorch原模型在同一个测试视频上漏检率一致。如果发现ONNX权重被大幅度压缩导致精度崩了则说明网络结构里有导出算子不支持的问题此时我一般退回PyTorch原格式改成跑在x86工控机的推理进程里。这些年做过不少类似项目我踩过最重的一次是拿着别人的模型没重新训练就直接交付结果白天阳光场景漏检一半。从那以后我养成了一个习惯拿到任何一套检测系统不是先问准确率而是先问训练集长什么样。希望帮到你。本文还有配套的精品资源点击获取