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yolovoccoco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 | 5549,19062Vest 反光安全背心 | 5221,14981Shoes 劳保鞋 | 5163,20876Jump-suit 连体工作服 | 1042,2111Without-shoes 未穿鞋 | 938,1878Apron 围裙 | 2039,2845Without-vest 未穿安全背心 | 4355,4432Without-helmet 未戴安全帽 | 4331,5488Goggles 护目镜 | 131,132image 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Python3.8、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类别ID英文标签中文名称含目标图像数量标注框总数0Helmet安全帽5549190621Vest反光安全背心5221149812Shoes劳保鞋5163208763Jump‑suit连体工作服104221114Without‑shoes未穿鞋93818785Apron围裙203928456Without‑vest未穿安全背心435544327Without‑helmet未戴安全帽433154888Goggles护目镜131132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。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。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。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。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modelYOLO(yolo11n.pt)#开始训练resultsmodel.train(datasafety.yaml,epochs80,imgsz640,batch16,device0,patience20,mosaic1.0,hsv_h0.015,hsv_s0.7,hsv_v0.4,projectfactory_safety_result,nameyolo11n_train)#模型评估metricsmodel.val()#单张图片预测model.predict(source1.jpg,saveTrue)六、PyQt5可视化GUI系统介绍全套源码界面功能清单✅图片检测选择本地图片绘制检测框、类别标签与置信度✅视频检测导入本地视频文件逐帧推理实时播放检测结果✅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✅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)✅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✅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✅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Python3.8torch、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。