智慧工地刚需安全帽佩戴检测数据集开源导语工地安全无小事安全帽是最后一道防线。传统人工巡检效率低、盲区多而基于计算机视觉的自动安全帽佩戴检测正成为智慧工地的标配能力。今天为大家带来开源数据集——SHWDSafety Helmet Wearing Dataset源自 Smart Construction 项目专为 YOLO 系列打造助力快速落地工地安全管控系统。01 数据集背景在建筑、厂房、道路维修等高风险作业场景中未佩戴安全帽是导致头部伤害的主要原因之一。传统依赖人工巡查的方式存在监管覆盖不全实时性差人力成本高SHWD 数据集正是为解决上述问题而生旨在通过高质量数据与开源工具链降低安全帽检测算法的研发门槛推动智慧工地建设。02 数据集概览项目详情数据集名称SHWD安全帽佩戴检测数据集数据规模7,581 张图像标注对象✅ 佩戴安全帽9,044 个❌ 未佩戴安全帽111,514 个数据来源Google、Baidu 搜索引擎真实场景采集标注工具LabelImg人工精细标注适用场景工地、厂房、道路施工、智慧园区数据特点负样本未佩戴数量显著多于正样本更符合真实工地“多数违规、少数规范”的分布规律利于模型学习违规特征。03 数据集结构VOC/YOLO双格式数据集采用Pascal VOC标准格式标注并同步提供YOLO格式文件开箱即用。SHWD/ ├── Annotations/ # Pascal VOC 格式标注XML ├── images/ # 原始图像JPG ├── labels/ # YOLO 格式标注TXT └── data.yaml # 数据集配置文件 关键目录说明Annotations存放 XML 标注文件包含目标类别、边界框坐标等元信息images存放 JPG 格式的原始图像labels存放 YOLO 格式 TXT 文件每行class_id x_center y_center width heightdata.yaml数据集核心配置文件定义类别名称与数据路径 数据划分数据集已预先划分为训练集用于模型参数学习验证集用于超参数调优与早停测试集用于最终性能评估04 应用场景智慧工地监控实时检测工人安全帽佩戴情况自动预警违规行为安全生产巡检替代人工巡查提升隐患排查效率智慧城市治理扩展至厂区、矿区、道路施工等多元场景算法研究验证作为目标检测尤其是小目标/遮挡场景的基准数据集实际落地中可联动声光报警器、短信推送等机制实现“检测-预警-处置”闭环管理。05 快速上手YOLOv5/v8/v10/v11/v26 训练示例① 准备环境gitclone https://github.com/ultralytics/yolov5# 或 yolov8cdyolov5 pipinstall-rrequirements.txt② 配置文件说明data.yaml# SHWD 数据集配置path:./SHWDtrain:images/trainval:images/val# 类别定义0佩戴1未佩戴names:0:helmet_on# 佩戴安全帽1:helmet_off# 未佩戴安全帽③ 启动训练# YOLOv5 训练示例python train.py--img640--batch16--epochs100--datadata.yaml--weightsyolov5s.pt# YOLOv8 训练示例yolo trainmodelyolov8s.ptdatadata.yamlepochs100imgsz640④ 模型推理# 单张图像检测yolo predictmodelbest.ptsourcetest.jpg# 视频流检测yolo predictmodelbest.ptsourceconstruction.mp406 获取方式下载地址数据集已托管至云服务器方便国内用户下载。后台回复关键词安全帽检测即可获取百度网盘下载链接。
