尧图网站建设 
简介在电力高空作业场景中安全带佩戴状态的智能识别是保障作业安全的关键技术属于目标检测在工业安全领域的典型应用。基于深度学习的检测模型通过标注数据学习人体与安全带的视觉特征实现对未系安全带或佩戴不规范行为的实时预警。147张精选的电力行业高空作业安全带数据集采用VOC与YOLO双格式组织为训练专用检测模型提供了高质量的种子数据。结合YOLOv5/v8等轻量级网络、迁移学习与数据增强策略即使小样本也能训练出工程可用的模型并落地到边缘计算盒子或服务器端对输电铁塔、变电站构架等场景的作业视频进行实时分析有效弥补人工巡检的盲区。该数据集完整覆盖了解压、格式解析、模型训练到部署推理的链路为电力安全带AI检测项目提供了可复现的工程参考。 去年我们有个客户提了个需求要在电力铁塔检修现场做“安全带佩戴AI识别”。我当时第一反应是找现成的检测模型翻了一圈发现COCO里只有person没有“安全带”这个概念开源的建筑工地安全帽数据集一大把但电力作业场景的高空安全带检测基本处于“没人公开做”的状态。直到我拿到这份“电力行业高空作业安全带检测数据集VOCYOLO格式147张4类别”的压缩包整个训练链路才真正跑通。这篇文章就把这个数据集从解压、格式认知、训练调参到部署落地的关键环节全部过一遍适合正在做电力安监、高危作业行为识别或者手里只有小数据又想跑出工程可用模型的同学参考。1. 安全带检测为什么是电力高空作业安全监管的刚需1.1 高空作业场景的特殊性电力行业的高空作业和一般建筑施工不太一样。输电铁塔动辄几十米高作业面是塔材、绝缘子串和横担人在上面活动范围很窄变电站构架检修、杆塔登杆作业也类似很多时候是一个人挂在半空中周围全是金属构件。安全带在这个场景里是保命设备安全规程对“正确佩戴、高挂低用”都有明确要求。这就带来一个现实问题现场安全监督员不可能全程贴身盯住每一个塔上的作业人员等发现违规时违章行为往往已经发生甚至已经酿成事故。1.2 从人工巡检到AI辅助检测所以这两年开始很多电力公司尝试用“摄像头AI”的方式对现场作业视频做实时分析。监控摄像头装在作业点附近的地面立杆上或者相邻塔身朝作业面架设画面传给后端的边缘计算设备或服务器检测模型一旦识别出“作业人员未系安全带”或者“安全带挂点方式不对”就立即推送告警到安全员手机和后台大屏。这套流程听起来不复杂但卡在第一步的数据上——模型要能准确识别出高处、小尺寸、姿态多变的人体上的安全带状态这跟识别平地上的行人完全是两个难度。塔上的人经常背对镜头安全带跨在胸前、腰上或者大腿根部反光和杆塔阴影还会把安全带的轮廓切碎通用目标检测模型根本扛不住。1.3 数据集在整个AI项目里的位置做目标检测的人都清楚一句话模型是数据的函数。算法再先进喂进去的数据里没有覆盖电力塔上那种逆光、远距离、杆塔部件遮挡的工况训练出来的模型到了现场基本就是摆设。这份数据集的价值就在于它专门为电力高空作业场景打了标注把“检测安全带”从通用目标检测问题变成了一个可以利用先验信息的专用问题。拿到它以后你可以省掉前期最痛苦的采集、清洗、打标环节直接把时间花在训练调参和部署推理上。对团队来说这意味着从“零数据起步”变成“有一批种子数据起步”项目周期至少缩短一半。2. 147张4类别数据集的内容拆解2.1 4个类别怎么划分标题写的是4类别但压缩包里的类别名称还需要解压后确认。以我接触过的类似项目经验这类安全带检测数据集通常会把“人员”和“安全带佩戴状态”拆开处理常见划分有以下几种worker作业人员、safety_belt已正确佩戴的安全带、no_safety_belt未佩戴安全带、safety_rope安全绳或后备保护绳。还有一种做法是按“人员、安全带、挂钩、安全绳”四分专门用于判断“是否高挂低用”这种更细的合规要求。所以拿到数据集后第一件事不是急着开训而是先解压把所有标签文件过一遍确认names到底怎么拼的、编号顺序是什么。这个顺序直接决定了训练配置文件里names列表的写法一旦写错模型输出的类别就全是乱的。提示不同来源的同类数据集类别定义很可能不一样。有的把“安全带”当作一个独立目标来标有的只标“人是否佩戴”的整框状态。先花二十分钟摸清标注规则后面能省两小时返工时间。2.2 VOC格式的目录结构与XML标注VOC是PASCAL VOC的标注格式也是目标检测领域最老牌、最通用的格式之一。压缩包里VOC这一侧目录一般长这样dataset_voc/ ├── JPEGImages/ │ ├── 000001.jpg │ ├── 000002.jpg │ └── ... ├── Annotations/ │ ├── 000001.xml │ ├── 000002.xml │ └── ... └── ImageSets/ └── Main/ ├── train.txt ├── val.txt └── test.txtJPEGImages放原始图片Annotations放与图片同名的XML标注文件ImageSets/Main下面放训练集、验证集、测试集的图片文件名清单。XML文件里每个标注框是一个object节点节点下用name记录类别名用bndbox记录xmin、ymin、xmax、ymax四个角的绝对像素坐标。比如annotation folderJPEGImages/folder filename000001.jpg/filename size width1920/width height1080/height depth3/depth /size object nameworker/name bndbox xmin120/xmin ymin240/ymin xmax480/xmax ymax920/ymax /bndbox /object /annotation这种格式最友好的一点是直接用labelImg之类的工具就能打开标注框和原图对应关系一目了然。做数据质量检查时VOC格式就像一面镜子哪里有框错位、哪里有漏标打开一看就知道完全不用写代码。2.3 YOLO格式的目录结构与TXT标注YOLO格式是另一套体系用的是归一化中心点坐标。图片和TXT同名每行表示一个目标class_id x_center y_center width height其中x_center、y_center是目标框中心点相对图片宽高的比例width、height是目标框宽高相对图片宽高的比例全部归一化到0到1之间。目录一般按images和labels两个根目录组织每个根目录下再分train、val、test子目录dataset_yolo/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/比如一行标注是2 0.3125 0.5370 0.1875 0.6296意思就是类别编号2中心点在图片31.25%横向、53.70%纵向的位置框宽占图片18.75%框高占62.96%。YOLO格式流行的原因在于它直接对接YOLO系列训练框架不需要任何格式转换就能开训。而且归一化坐标跟图片分辨率解耦1920的大图和640的训练图用同一份标注不会被绝对像素坐标限制死。2.4 7z压缩包的解压与校验7z是高压缩率归档格式Windows下需要7-Zip或WinRAR命令行环境用7z命令解压7z x 电力行业高空作业安全带检测数据集VOCYOLO格式147张4类别.7zx参数表示保留原目录结构解压。解压后建议顺手做一次哈希校验确认下载过程没损坏文件这种从网盘或技术群转来的资源传输过程偶尔会丢数据# Windows PowerShell Get-FileHash -Algorithm SHA256 电力行业高空作业安全带检测数据集VOCYOLO格式147张4类别.7z # Linux sha256sum 电力行业高空作业安全带检测数据集VOCYOLO格式147张4类别.7z解压完成后进入根目录跑一个统计脚本看看实际图片张数、每类目标数量、图片分辨率范围。我一般用一条Python命令快速出结果import os from collections import Counter label_dir dataset_yolo/labels/train counts Counter() for f in os.listdir(label_dir): if not f.endswith(.txt): continue with open(os.path.join(label_dir, f), r) as fp: for line in fp: cls int(line.strip().split()[0]) counts[cls] 1 print(counts)这个动作非常值钱。它能告诉你数据集的真实分布而不是只信压缩包名字上的“147张4类别”。等你看完分布心里就知道哪些类别缺、哪些场景漏后续数据补充的方向也就清楚了。3. VOC与YOLO双格式工程上的真实价值3.1 两种标注格式的核心差异VOC和YOLO两种格式在坐标表示、文件形式、可读性上差别很大。我把它们放在一起对比对比项VOC格式YOLO格式坐标表示左上角右下角绝对像素(xmin, ymin, xmax, ymax)中心点相对坐标宽高(x_center, y_center, w, h)文件类型XMLTXT一个文件多目标多个节点一个目标一行可视化调试labelImg直接打开直观需要脚本转回像素坐标才能快速可视化坐标与分辨率关系绝对坐标分辨率变化需重标归一化坐标分辨率变化不影响标注可读性一眼看懂框在哪需要心里算一下简单说VOC格式“给人看”YOLO格式“给模型看”。3.2 双格式在项目中的便利很多开源数据集只给其中一种格式但这份数据集同时给了VOC和YOLO这在工程上非常实用。第一兼容性好。团队里有人习惯用labelImg看框、做质检VOC格式直接打开有人想快速跑YOLO训练YOLO格式拉起来就能用两边不用互相迁就。第二可以做交叉验证。用VOC格式的XML和YOLO格式的TXT各训练一遍如果两个结果差异很大说明标注数据本身有隐患比如坐标转换时乘除反了、类别编号对不上。这种校验在没有测试集标注的情况下特别有用。第三格式转换省事。后续如果要在数据增强时用Roboflow或Albumentations有些工具原生吃VOC有些吃YOLO双格式在手走哪条路都行。3.3 VOC转YOLO的实操代码与坑实际项目中我们经常需要把新增的VOC标注转成YOLO格式。转换逻辑很简单从XML里读出xmin、ymin、xmax、ymax结合图片宽高算出中心点和宽高比例。下面这段脚本可以直接复用import xml.etree.ElementTree as ET import os def voc_to_yolo(xml_file, class_list, out_dir): tree ET.parse(xml_file) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.findall(object): name obj.find(name).text cls_id class_list.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 lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) base os.path.splitext(os.path.basename(xml_file))[0] out_file os.path.join(out_dir, base .txt) with open(out_file, w) as fp: fp.write(\n.join(lines))转换时有几个坑经常踩一是忘记除以图片宽高。转换出来的坐标全是大于1的数YOLO训练时目标框越界损失函数直接异常指标一路飘红很难排查。二是class_list的编号顺序必须与训练yaml里names的顺序严格一致。比如class_list是[worker, safety_belt, no_safety_belt, safety_rope]那训练配置里names也必须写这个顺序位置不能串。三是有difficult节点时要注意。如果XML里标了difficult1的难例转YOLO时是保留还是跳过直接关系到训练目标我一般建议跳过避免把困难样本当成负样本干扰训练。四是中文路径问题。XML里的path节点如果带中文在部分旧版本工具里会读错转换前最好统一改成英文路径。4. 用147张数据训练安全带检测模型4.1 模型选型与预训练权重147张图对深度学习来说是典型的小数据集选型必须务实。我的建议是直接上YOLOv5s或YOLOv8s不要一上来就选YOLOv8x这种大模型小数据扛不住大模型的参数量很容易过拟合。YOLOv5s参数量约7.2MYOLOv8s约11.4M两者在这个量级下都够用。如果部署设备是Jetson Nano这种低算力平台可以再降到YOLOv5n或YOLOv8n。另一个关键点是预训练权重。一定要用COCO预训练模型做迁移学习。COCO上学到的特征表示尤其是person这个类别的特征对电力高空作业场景非常有用。虽然COCO没有安全带但检测person的骨干网络已经学会了人体轮廓、部件关系微调到专用类别时收敛速度会快很多所需样本量也会少很多。4.2 数据划分与目录搭建拿到数据集后先把VOC或YOLO格式按6:2:2划分成训练集、验证集、测试集。特别注意划分要以图片为单位不能让同一张图片同时出现在训练集和验证集里否则评估结果虚高。目录结构按YOLO标准来datasets/ └── safety_belt/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── safety_belt.yamlsafety_belt.yaml内容train: datasets/safety_belt/images/train val: datasets/safety_belt/images/val test: datasets/safety_belt/images/test nc: 4 names: [worker, safety_belt, no_safety_belt, safety_rope]这里names的顺序必须和TXT标注里的class_id一一对应。4.3 训练配置与超参数训练命令YOLOv5和YOLOv8略有不同# YOLOv5 python train.py --data safety_belt.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 300 --cache # YOLOv8 yolo detect train datasafety_belt.yaml modelyolov8s.pt epochs300 imgsz640 batch16关键超参数建议参数建议值说明imgsz640兼顾速度和中小目标检测能力batch8~16看显存小数据集batch太大容易过拟合epochs200~300小数据集要拉长训练轮次配合早停patience30~50早停耐心值防止过拟合workers4~8数据加载线程数cacheTrue小数据集直接缓存到内存省IO训练时盯住val曲线重点关注mAP0.5。如果loss下降很快但val指标停滞通常说明模型开始记住训练集而不是学通用特征这时可以把epochs调小、加一点数据增强或者降低学习率。4.4 模型评估与导出训练结束后用best.pt做测试集评估# YOLOv5 python val.py --data safety_belt.yaml --weights runs/train/exp/weights/best.pt # YOLOv8 yolo detect val datasafety_belt.yaml modelruns/detect/train/weights/best.pt主要看三个指标Precision、Recall、mAP0.5。电力安监场景对漏检的容忍度极低因为漏掉一次未系安全带的告警就可能错过一次事故预警。所以实际调阈值时我会把置信度阈值调低一些比如从默认0.25降到0.15宁可在后台多出几条待确认告警也不要漏掉真正的违规画面。导出部署格式根据硬件来。NVIDIA设备导出TensorRTJetson平台用engine格式普通x86服务器导出ONNX就行# YOLOv5导出ONNX python export.py --weights best.pt --include onnx # YOLOv8导出ONNX yolo export modelbest.pt formatonnx4.5 部署与推理部署形态取决于现场条件。我经历过两种一种是边缘盒子摄像头通过RTSP取流盒子跑TensorRT推理检测到违规就往平台推送截图和告警另一种是机房集中式多路视频流推回后端正向GPU服务器做批量检测。推理侧有几个实用建议输入分辨率不要盲目上1280640在小目标场景够用上1280推理速度掉一半收益有限。做视频流检测时跳过帧率很重要抽帧频率建议1秒1帧既保证实时性又控制GPU负载。对检测结果加一个“持续N帧确认”逻辑避免误检造成的告警轰炸。业务规则方面如果模型同时输出了worker和safety_belt两个框可以用IoU判断安全带框是否落在人框范围内落在范围内才判定为“已佩戴”否则标记为“疑似未系安全带”。这种基于规则的后处理比单纯依赖模型分类结果稳健得多。5. 小数据集极限优化增强与数据补充5.1 离线增强怎么用147张原始图片直接训练容易过拟合离线增强是最直观的解法。在训练前把图片做变换后另存扩充数据集规模。针对电力高空作业场景我建议重点做这几类增强HSV色域扰动调整亮度、饱和度、色相模拟逆光、阴天、黄昏的现场光线变化。随机水平翻转高空作业人员姿态左右对称翻转不会破坏语义能立即把数据量翻倍。随机旋转±10度摄像头安装角度不一定正对作业面小角度旋转增强泛化能力。随机缩放0.8~1.2模拟不同安装高度、不同焦距下的目标尺寸变化。Albumentations里一条流水线可以搞定import albumentations as A transform A.Compose([ A.HorizontalFlip(p0.5), A.Rotate(limit10, border_mode0, p0.5), A.RandomScale(scale_limit0.2, p0.5), A.HueSaturationValue(hue_shift_limit10, sat_shift_limit20, val_shift_limit20, p0.7), ], bbox_paramsA.BboxParams(formatyolo))增强时要注意框的坐标要跟着图片一起变换Albumentations自动处理。增强后的图片和标签按原格式放回数据集目录即可。5.2 在线增强与MosaicYOLO训练本身内置了在线增强包括Mosaic、MixUp、CopyPaste这些。Mosaic把4张图拼成一张相当于每步迭代能看到4倍数量的目标对小数据集非常有帮助。YOLOv5默认在最后10个epoch关闭Mosaic避免合成图片干扰收敛这个机制我建议保留默认。但小数据集上Mosaic也有副作用合成图的背景和真实拍摄场景差异较大Paste在空白区域的杆塔、天空会显得很突兀模型可能在拼接边缘学到假特征。我的处理办法是前150个epoch开Mosaic后150个epoch关掉用纯真实图片微调。如果用的是YOLOv8可以通过超参数文件控制这部分训练配置里灵活调整即可。5.3 类别不均衡的现实处理147张4类别的数据集类别不均衡是大概率事件。比如“未佩戴安全带”这种违规样本本来就少见可能只有二三十张而“作业人员”这种正常样本占了七八成。这种情况下模型会偏向预测多数类违规样本的召回率惨不忍睹。处理办法有几种对少数类做过采样复制让每张违规图片参与更多轮迭代。用增强把少数类图片生成多个变体而不是简单复制原图。训练损失里给少数类加大权重YOLOv8支持在loss里按类别权重调整可以手动设置。实际项目中我试过最有效的还是“增强过采样”组合把少数类每张图片增强成5~8张变体让模型在多数类一个batch里能看到更多样的违规形态。这个方法不需要改代码工程上落地最快。5.4 如何把147张滚成500张147张的规模做原型验证完全够但要部署到多个施工现场数据量还是偏紧。我的经验是按“增、拍、采、标”四个字滚动扩充。增强生成是第一层上面已经说过可以把训练集滚到400-500张。第二层是到现场补拍视频用手机或GoPro在模拟登塔作业时录10-20分钟视频抽帧后选取清晰、角度多样的画面加入数据集。第三层是从已有监控录像里挖素材很多电力公司都有大量历史作业录像虽然监控画面质量一般但对于补充“真实背景、真实光照、真实遮挡”非常关键。最后是标注。新增素材用预训练模型先出伪标签人工修正后再加入训练集。这个过程可以迭代模型A跑出初版标注人工修正后训练出模型B再用模型B标注新素材如此循环。147张的种子数据集经过两三轮迭代完全可以滚出上千张的高质量训练集。我在实际项目里就是用这种方式把一个交通安全带检测从147张做到了800多张模型在实拍现场的mAP0.5从0.61提升到0.87差出来的这0.26几乎全靠数据规模和场景多样性堆出来的。结尾最后再说点实际感受。147张这个量级放在前几年我会觉得根本不够看但这几个电力安监项目做下来我的看法变了这类场景最大的瓶颈从来不是算法而是数据和业务理解。把这份数据集用起来不是跑个训练脚本就完事更关键的是把“安全带到底怎么算佩戴正确”“远距离小目标怎么判断”“什么时候需要人工复核”这些业务规则翻译成标注规范和模型输出。跑通一遍之后你会发现自己对下一批数据该拍什么、该补哪类心里完全有数这大概就是小数据集项目最值钱的收获。本文还有配套的精品资源点击获取 电力高空作业安全带AI检测：147张数据集训练与部署实战
简介在电力高空作业场景中安全带佩戴状态的智能识别是保障作业安全的关键技术属于目标检测在工业安全领域的典型应用。基于深度学习的检测模型通过标注数据学习人体与安全带的视觉特征实现对未系安全带或佩戴不规范行为的实时预警。147张精选的电力行业高空作业安全带数据集采用VOC与YOLO双格式组织为训练专用检测模型提供了高质量的种子数据。结合YOLOv5/v8等轻量级网络、迁移学习与数据增强策略即使小样本也能训练出工程可用的模型并落地到边缘计算盒子或服务器端对输电铁塔、变电站构架等场景的作业视频进行实时分析有效弥补人工巡检的盲区。该数据集完整覆盖了解压、格式解析、模型训练到部署推理的链路为电力安全带AI检测项目提供了可复现的工程参考。 去年我们有个客户提了个需求要在电力铁塔检修现场做“安全带佩戴AI识别”。我当时第一反应是找现成的检测模型翻了一圈发现COCO里只有person没有“安全带”这个概念开源的建筑工地安全帽数据集一大把但电力作业场景的高空安全带检测基本处于“没人公开做”的状态。直到我拿到这份“电力行业高空作业安全带检测数据集VOCYOLO格式147张4类别”的压缩包整个训练链路才真正跑通。这篇文章就把这个数据集从解压、格式认知、训练调参到部署落地的关键环节全部过一遍适合正在做电力安监、高危作业行为识别或者手里只有小数据又想跑出工程可用模型的同学参考。1. 安全带检测为什么是电力高空作业安全监管的刚需1.1 高空作业场景的特殊性电力行业的高空作业和一般建筑施工不太一样。输电铁塔动辄几十米高作业面是塔材、绝缘子串和横担人在上面活动范围很窄变电站构架检修、杆塔登杆作业也类似很多时候是一个人挂在半空中周围全是金属构件。安全带在这个场景里是保命设备安全规程对“正确佩戴、高挂低用”都有明确要求。这就带来一个现实问题现场安全监督员不可能全程贴身盯住每一个塔上的作业人员等发现违规时违章行为往往已经发生甚至已经酿成事故。1.2 从人工巡检到AI辅助检测所以这两年开始很多电力公司尝试用“摄像头AI”的方式对现场作业视频做实时分析。监控摄像头装在作业点附近的地面立杆上或者相邻塔身朝作业面架设画面传给后端的边缘计算设备或服务器检测模型一旦识别出“作业人员未系安全带”或者“安全带挂点方式不对”就立即推送告警到安全员手机和后台大屏。这套流程听起来不复杂但卡在第一步的数据上——模型要能准确识别出高处、小尺寸、姿态多变的人体上的安全带状态这跟识别平地上的行人完全是两个难度。塔上的人经常背对镜头安全带跨在胸前、腰上或者大腿根部反光和杆塔阴影还会把安全带的轮廓切碎通用目标检测模型根本扛不住。1.3 数据集在整个AI项目里的位置做目标检测的人都清楚一句话模型是数据的函数。算法再先进喂进去的数据里没有覆盖电力塔上那种逆光、远距离、杆塔部件遮挡的工况训练出来的模型到了现场基本就是摆设。这份数据集的价值就在于它专门为电力高空作业场景打了标注把“检测安全带”从通用目标检测问题变成了一个可以利用先验信息的专用问题。拿到它以后你可以省掉前期最痛苦的采集、清洗、打标环节直接把时间花在训练调参和部署推理上。对团队来说这意味着从“零数据起步”变成“有一批种子数据起步”项目周期至少缩短一半。2. 147张4类别数据集的内容拆解2.1 4个类别怎么划分标题写的是4类别但压缩包里的类别名称还需要解压后确认。以我接触过的类似项目经验这类安全带检测数据集通常会把“人员”和“安全带佩戴状态”拆开处理常见划分有以下几种worker作业人员、safety_belt已正确佩戴的安全带、no_safety_belt未佩戴安全带、safety_rope安全绳或后备保护绳。还有一种做法是按“人员、安全带、挂钩、安全绳”四分专门用于判断“是否高挂低用”这种更细的合规要求。所以拿到数据集后第一件事不是急着开训而是先解压把所有标签文件过一遍确认names到底怎么拼的、编号顺序是什么。这个顺序直接决定了训练配置文件里names列表的写法一旦写错模型输出的类别就全是乱的。提示不同来源的同类数据集类别定义很可能不一样。有的把“安全带”当作一个独立目标来标有的只标“人是否佩戴”的整框状态。先花二十分钟摸清标注规则后面能省两小时返工时间。2.2 VOC格式的目录结构与XML标注VOC是PASCAL VOC的标注格式也是目标检测领域最老牌、最通用的格式之一。压缩包里VOC这一侧目录一般长这样dataset_voc/ ├── JPEGImages/ │ ├── 000001.jpg │ ├── 000002.jpg │ └── ... ├── Annotations/ │ ├── 000001.xml │ ├── 000002.xml │ └── ... └── ImageSets/ └── Main/ ├── train.txt ├── val.txt └── test.txtJPEGImages放原始图片Annotations放与图片同名的XML标注文件ImageSets/Main下面放训练集、验证集、测试集的图片文件名清单。XML文件里每个标注框是一个object节点节点下用name记录类别名用bndbox记录xmin、ymin、xmax、ymax四个角的绝对像素坐标。比如annotation folderJPEGImages/folder filename000001.jpg/filename size width1920/width height1080/height depth3/depth /size object nameworker/name bndbox xmin120/xmin ymin240/ymin xmax480/xmax ymax920/ymax /bndbox /object /annotation这种格式最友好的一点是直接用labelImg之类的工具就能打开标注框和原图对应关系一目了然。做数据质量检查时VOC格式就像一面镜子哪里有框错位、哪里有漏标打开一看就知道完全不用写代码。2.3 YOLO格式的目录结构与TXT标注YOLO格式是另一套体系用的是归一化中心点坐标。图片和TXT同名每行表示一个目标class_id x_center y_center width height其中x_center、y_center是目标框中心点相对图片宽高的比例width、height是目标框宽高相对图片宽高的比例全部归一化到0到1之间。目录一般按images和labels两个根目录组织每个根目录下再分train、val、test子目录dataset_yolo/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/比如一行标注是2 0.3125 0.5370 0.1875 0.6296意思就是类别编号2中心点在图片31.25%横向、53.70%纵向的位置框宽占图片18.75%框高占62.96%。YOLO格式流行的原因在于它直接对接YOLO系列训练框架不需要任何格式转换就能开训。而且归一化坐标跟图片分辨率解耦1920的大图和640的训练图用同一份标注不会被绝对像素坐标限制死。2.4 7z压缩包的解压与校验7z是高压缩率归档格式Windows下需要7-Zip或WinRAR命令行环境用7z命令解压7z x 电力行业高空作业安全带检测数据集VOCYOLO格式147张4类别.7zx参数表示保留原目录结构解压。解压后建议顺手做一次哈希校验确认下载过程没损坏文件这种从网盘或技术群转来的资源传输过程偶尔会丢数据# Windows PowerShell Get-FileHash -Algorithm SHA256 电力行业高空作业安全带检测数据集VOCYOLO格式147张4类别.7z # Linux sha256sum 电力行业高空作业安全带检测数据集VOCYOLO格式147张4类别.7z解压完成后进入根目录跑一个统计脚本看看实际图片张数、每类目标数量、图片分辨率范围。我一般用一条Python命令快速出结果import os from collections import Counter label_dir dataset_yolo/labels/train counts Counter() for f in os.listdir(label_dir): if not f.endswith(.txt): continue with open(os.path.join(label_dir, f), r) as fp: for line in fp: cls int(line.strip().split()[0]) counts[cls] 1 print(counts)这个动作非常值钱。它能告诉你数据集的真实分布而不是只信压缩包名字上的“147张4类别”。等你看完分布心里就知道哪些类别缺、哪些场景漏后续数据补充的方向也就清楚了。3. VOC与YOLO双格式工程上的真实价值3.1 两种标注格式的核心差异VOC和YOLO两种格式在坐标表示、文件形式、可读性上差别很大。我把它们放在一起对比对比项VOC格式YOLO格式坐标表示左上角右下角绝对像素(xmin, ymin, xmax, ymax)中心点相对坐标宽高(x_center, y_center, w, h)文件类型XMLTXT一个文件多目标多个节点一个目标一行可视化调试labelImg直接打开直观需要脚本转回像素坐标才能快速可视化坐标与分辨率关系绝对坐标分辨率变化需重标归一化坐标分辨率变化不影响标注可读性一眼看懂框在哪需要心里算一下简单说VOC格式“给人看”YOLO格式“给模型看”。3.2 双格式在项目中的便利很多开源数据集只给其中一种格式但这份数据集同时给了VOC和YOLO这在工程上非常实用。第一兼容性好。团队里有人习惯用labelImg看框、做质检VOC格式直接打开有人想快速跑YOLO训练YOLO格式拉起来就能用两边不用互相迁就。第二可以做交叉验证。用VOC格式的XML和YOLO格式的TXT各训练一遍如果两个结果差异很大说明标注数据本身有隐患比如坐标转换时乘除反了、类别编号对不上。这种校验在没有测试集标注的情况下特别有用。第三格式转换省事。后续如果要在数据增强时用Roboflow或Albumentations有些工具原生吃VOC有些吃YOLO双格式在手走哪条路都行。3.3 VOC转YOLO的实操代码与坑实际项目中我们经常需要把新增的VOC标注转成YOLO格式。转换逻辑很简单从XML里读出xmin、ymin、xmax、ymax结合图片宽高算出中心点和宽高比例。下面这段脚本可以直接复用import xml.etree.ElementTree as ET import os def voc_to_yolo(xml_file, class_list, out_dir): tree ET.parse(xml_file) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.findall(object): name obj.find(name).text cls_id class_list.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 lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) base os.path.splitext(os.path.basename(xml_file))[0] out_file os.path.join(out_dir, base .txt) with open(out_file, w) as fp: fp.write(\n.join(lines))转换时有几个坑经常踩一是忘记除以图片宽高。转换出来的坐标全是大于1的数YOLO训练时目标框越界损失函数直接异常指标一路飘红很难排查。二是class_list的编号顺序必须与训练yaml里names的顺序严格一致。比如class_list是[worker, safety_belt, no_safety_belt, safety_rope]那训练配置里names也必须写这个顺序位置不能串。三是有difficult节点时要注意。如果XML里标了difficult1的难例转YOLO时是保留还是跳过直接关系到训练目标我一般建议跳过避免把困难样本当成负样本干扰训练。四是中文路径问题。XML里的path节点如果带中文在部分旧版本工具里会读错转换前最好统一改成英文路径。4. 用147张数据训练安全带检测模型4.1 模型选型与预训练权重147张图对深度学习来说是典型的小数据集选型必须务实。我的建议是直接上YOLOv5s或YOLOv8s不要一上来就选YOLOv8x这种大模型小数据扛不住大模型的参数量很容易过拟合。YOLOv5s参数量约7.2MYOLOv8s约11.4M两者在这个量级下都够用。如果部署设备是Jetson Nano这种低算力平台可以再降到YOLOv5n或YOLOv8n。另一个关键点是预训练权重。一定要用COCO预训练模型做迁移学习。COCO上学到的特征表示尤其是person这个类别的特征对电力高空作业场景非常有用。虽然COCO没有安全带但检测person的骨干网络已经学会了人体轮廓、部件关系微调到专用类别时收敛速度会快很多所需样本量也会少很多。4.2 数据划分与目录搭建拿到数据集后先把VOC或YOLO格式按6:2:2划分成训练集、验证集、测试集。特别注意划分要以图片为单位不能让同一张图片同时出现在训练集和验证集里否则评估结果虚高。目录结构按YOLO标准来datasets/ └── safety_belt/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── safety_belt.yamlsafety_belt.yaml内容train: datasets/safety_belt/images/train val: datasets/safety_belt/images/val test: datasets/safety_belt/images/test nc: 4 names: [worker, safety_belt, no_safety_belt, safety_rope]这里names的顺序必须和TXT标注里的class_id一一对应。4.3 训练配置与超参数训练命令YOLOv5和YOLOv8略有不同# YOLOv5 python train.py --data safety_belt.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 300 --cache # YOLOv8 yolo detect train datasafety_belt.yaml modelyolov8s.pt epochs300 imgsz640 batch16关键超参数建议参数建议值说明imgsz640兼顾速度和中小目标检测能力batch8~16看显存小数据集batch太大容易过拟合epochs200~300小数据集要拉长训练轮次配合早停patience30~50早停耐心值防止过拟合workers4~8数据加载线程数cacheTrue小数据集直接缓存到内存省IO训练时盯住val曲线重点关注mAP0.5。如果loss下降很快但val指标停滞通常说明模型开始记住训练集而不是学通用特征这时可以把epochs调小、加一点数据增强或者降低学习率。4.4 模型评估与导出训练结束后用best.pt做测试集评估# YOLOv5 python val.py --data safety_belt.yaml --weights runs/train/exp/weights/best.pt # YOLOv8 yolo detect val datasafety_belt.yaml modelruns/detect/train/weights/best.pt主要看三个指标Precision、Recall、mAP0.5。电力安监场景对漏检的容忍度极低因为漏掉一次未系安全带的告警就可能错过一次事故预警。所以实际调阈值时我会把置信度阈值调低一些比如从默认0.25降到0.15宁可在后台多出几条待确认告警也不要漏掉真正的违规画面。导出部署格式根据硬件来。NVIDIA设备导出TensorRTJetson平台用engine格式普通x86服务器导出ONNX就行# YOLOv5导出ONNX python export.py --weights best.pt --include onnx # YOLOv8导出ONNX yolo export modelbest.pt formatonnx4.5 部署与推理部署形态取决于现场条件。我经历过两种一种是边缘盒子摄像头通过RTSP取流盒子跑TensorRT推理检测到违规就往平台推送截图和告警另一种是机房集中式多路视频流推回后端正向GPU服务器做批量检测。推理侧有几个实用建议输入分辨率不要盲目上1280640在小目标场景够用上1280推理速度掉一半收益有限。做视频流检测时跳过帧率很重要抽帧频率建议1秒1帧既保证实时性又控制GPU负载。对检测结果加一个“持续N帧确认”逻辑避免误检造成的告警轰炸。业务规则方面如果模型同时输出了worker和safety_belt两个框可以用IoU判断安全带框是否落在人框范围内落在范围内才判定为“已佩戴”否则标记为“疑似未系安全带”。这种基于规则的后处理比单纯依赖模型分类结果稳健得多。5. 小数据集极限优化增强与数据补充5.1 离线增强怎么用147张原始图片直接训练容易过拟合离线增强是最直观的解法。在训练前把图片做变换后另存扩充数据集规模。针对电力高空作业场景我建议重点做这几类增强HSV色域扰动调整亮度、饱和度、色相模拟逆光、阴天、黄昏的现场光线变化。随机水平翻转高空作业人员姿态左右对称翻转不会破坏语义能立即把数据量翻倍。随机旋转±10度摄像头安装角度不一定正对作业面小角度旋转增强泛化能力。随机缩放0.8~1.2模拟不同安装高度、不同焦距下的目标尺寸变化。Albumentations里一条流水线可以搞定import albumentations as A transform A.Compose([ A.HorizontalFlip(p0.5), A.Rotate(limit10, border_mode0, p0.5), A.RandomScale(scale_limit0.2, p0.5), A.HueSaturationValue(hue_shift_limit10, sat_shift_limit20, val_shift_limit20, p0.7), ], bbox_paramsA.BboxParams(formatyolo))增强时要注意框的坐标要跟着图片一起变换Albumentations自动处理。增强后的图片和标签按原格式放回数据集目录即可。5.2 在线增强与MosaicYOLO训练本身内置了在线增强包括Mosaic、MixUp、CopyPaste这些。Mosaic把4张图拼成一张相当于每步迭代能看到4倍数量的目标对小数据集非常有帮助。YOLOv5默认在最后10个epoch关闭Mosaic避免合成图片干扰收敛这个机制我建议保留默认。但小数据集上Mosaic也有副作用合成图的背景和真实拍摄场景差异较大Paste在空白区域的杆塔、天空会显得很突兀模型可能在拼接边缘学到假特征。我的处理办法是前150个epoch开Mosaic后150个epoch关掉用纯真实图片微调。如果用的是YOLOv8可以通过超参数文件控制这部分训练配置里灵活调整即可。5.3 类别不均衡的现实处理147张4类别的数据集类别不均衡是大概率事件。比如“未佩戴安全带”这种违规样本本来就少见可能只有二三十张而“作业人员”这种正常样本占了七八成。这种情况下模型会偏向预测多数类违规样本的召回率惨不忍睹。处理办法有几种对少数类做过采样复制让每张违规图片参与更多轮迭代。用增强把少数类图片生成多个变体而不是简单复制原图。训练损失里给少数类加大权重YOLOv8支持在loss里按类别权重调整可以手动设置。实际项目中我试过最有效的还是“增强过采样”组合把少数类每张图片增强成5~8张变体让模型在多数类一个batch里能看到更多样的违规形态。这个方法不需要改代码工程上落地最快。5.4 如何把147张滚成500张147张的规模做原型验证完全够但要部署到多个施工现场数据量还是偏紧。我的经验是按“增、拍、采、标”四个字滚动扩充。增强生成是第一层上面已经说过可以把训练集滚到400-500张。第二层是到现场补拍视频用手机或GoPro在模拟登塔作业时录10-20分钟视频抽帧后选取清晰、角度多样的画面加入数据集。第三层是从已有监控录像里挖素材很多电力公司都有大量历史作业录像虽然监控画面质量一般但对于补充“真实背景、真实光照、真实遮挡”非常关键。最后是标注。新增素材用预训练模型先出伪标签人工修正后再加入训练集。这个过程可以迭代模型A跑出初版标注人工修正后训练出模型B再用模型B标注新素材如此循环。147张的种子数据集经过两三轮迭代完全可以滚出上千张的高质量训练集。我在实际项目里就是用这种方式把一个交通安全带检测从147张做到了800多张模型在实拍现场的mAP0.5从0.61提升到0.87差出来的这0.26几乎全靠数据规模和场景多样性堆出来的。结尾最后再说点实际感受。147张这个量级放在前几年我会觉得根本不够看但这几个电力安监项目做下来我的看法变了这类场景最大的瓶颈从来不是算法而是数据和业务理解。把这份数据集用起来不是跑个训练脚本就完事更关键的是把“安全带到底怎么算佩戴正确”“远距离小目标怎么判断”“什么时候需要人工复核”这些业务规则翻译成标注规范和模型输出。跑通一遍之后你会发现自己对下一批数据该拍什么、该补哪类心里完全有数这大概就是小数据集项目最值钱的收获。本文还有配套的精品资源点击获取