基于YOLOv11的安全装备检测与违规预警系统

本项目为 2026 届本科毕业设计实现版本
检测类别：helmet（安全帽）、vest（反光衣）

1. 项目简介

本系统基于 YOLOv11n 实现安全装备实时检测，并结合规则引擎完成违规预警。系统具备以下能力：

• 实时视频检测（摄像头/视频文件）
• 违规状态判定（未戴安全帽 / 未穿反光衣）
• 声音报警
• 违规截图自动保存
• SQLite 日志存证
• PyQt5 可视化控制界面

---

2. 项目结构

YOLOv11-Safety-Equipment-Detection/
├─ datasets/
│  └─ helmet-vest.v2i.yolov11/
│     ├─ train/
│     ├─ valid/
│     ├─ test/
│     └─ data.yaml
├─ runs/
│  └─ train/
│     └─ yolov11_ppe_v1002/
│        ├─ weights/
│        │  ├─ best.pt
│        │  └─ last.pt
│        └─ results.csv
├─ violations/               # 违规截图目录
├─ main.py                   # PyQt5 主程序（推荐运行）
├─ train.py                  # 训练脚本
├─ val.py                    # 验证脚本
├─ safety_logs.db            # 违规事件数据库
└─ README.md

---

3. 环境依赖

• Python 3.8+
• PyTorch（CUDA）
• ultralytics
• opencv-python
• pyqt5
• sqlite3（Python内置）

安装示例：

conda activate yolo_env
pip install ultralytics opencv-python pyqt5

---

4. 数据集配置

data.yaml 示例：

path: D:/Code/PycharmProjects/Practice/YOLOv11-Safety-Equipment-Detection/datasets/helmet-vest.v2i.yolov11
train: train/images
val: valid/images
test: test/images

nc: 2
names:
  0: helmet
  1: vest

---

5. 模型训练

python train.py

或命令行：

yolo detect train data=.../data.yaml model=yolo11n.pt epochs=100 imgsz=640 batch=8 device=0

---

6. 模型验证

python val.py

---

7. 运行系统（推荐）

python main.py

功能流程：

1. 加载模型（best.pt）
2. 导入视频源（默认摄像头）
3. 开始检测
4. 发生违规时触发：
   • UI日志提示
   • 声音报警
   • 截图保存到 violations/
   • 数据写入 safety_logs.db

---

8. 违规判定逻辑

• COMPLIANT：检测到 helmet + vest
• NO_HELMET：检测到 vest 但未检测到 helmet
• NO_VEST：检测到 helmet 但未检测到 vest
• NO_PPE_DETECTED：两者均未检测到

注：本项目为两类数据集，采用画面级规则判定。

---

9. 数据库表结构

表名：warning_events

字段名	类型	说明
id	INTEGER	主键自增
event_time	TEXT	事件时间
status	TEXT	违规状态
confidence	REAL	置信度
image_path	TEXT	截图路径

---

10. 常见问题

Q1: yolo 命令无法识别

使用 Python API 运行（python main.py / python val.py）即可，不影响系统功能。

Q2: 摄像头打不开

检查 video_path=0 是否正确，或尝试更换为 1。

Q3: 模型路径报错

确认 main.py 中 model_path 对应真实 best.pt 路径。

---

11. 后续可扩展方向

• 增加 person 类实现“人-装备关联判定”
• 增加邮件/微信告警
• 增加违规统计可视化报表
• 接入多路摄像头与边缘部署

---

12. 版权与说明

本项目用于本科毕业设计学习与研究，数据集遵守原始来源授权协议。