YOLOv7安全帽检测实战：从数据标注到部署全流程解析

简介：目标检测是计算机视觉领域的核心任务之一，YOLO系列因其速度与精度的平衡成为工业落地的热门选择。在实际项目中，模型效果不仅依赖网络结构，更取决于数据质量与训练配置。以安全帽检测为例，通过将检测目标定义为已戴帽与未戴帽两类，利用YOLOv7的CSPDarknet骨干、多尺度检测头与CIoU损失，能够有效应对电力巡检中俯拍、逆光、小目标等复杂场景。合理的标注格式、数据增强与类别均衡策略，可显著提升模型泛化能力。该技术广泛应用于施工安全预警、智能安监等领域，帮助实现自动化违章识别。文章从数据集构建、模型训练、评估到部署，系统梳理了完整的工程路径，为自定义目标检测项目提供可复用的参考。 做电力巡检安全帽检测，很多团队最后卡住的不是算法选型，而是数据质量、标签一致性和训练配置这些看似琐碎的事。我最近用YOLOv7把一个安全帽检测项目从零跑到了可交付状态，检测模型已经能稳定识别戴帽与未戴帽的人头，标注好的数据集也按照YOLO格式整理完毕。这篇文章会把我踩过的坑、验证过的参数和最终效果全部拆开讲，适合正在做施工安全预警、智能安监、或者想用YOLOv7做自定义目标检测的人参考。你可以直接把文章里的数据组织方式和训练命令拿过去改一改，不用再从零折腾。

1. 项目拆解：电力巡检安全帽检测到底在检什么

1.1 真实场景里的检测难点

电力巡检场景和普通工地监控有区别：作业人员可能在杆塔上、在高压室、在变电站一次设备区，摄像头视角五花八门，经常出现高角度俯拍、逆光、低照度的情况。安全帽在画面里往往只占很小一块区域，远距离时帽子可能只有二三十个像素，这对目标检测模型的小目标召回能力要求很高。再加上安全帽颜色多样（红、蓝、黄、白），在复杂背景中容易和周围设施混淆，单纯靠颜色分割的方案基本不可行，必须用数据驱动的方式学习语义特征。

此外，电力作业现场通常不允许无关人员进入，但在临时检修窗口期，人员穿插频繁。检测系统真正要回答的问题不是"画面里有没有人"，而是"这个人的头上是不是戴了合格的安全帽"。因此我把检测目标定义为两类：带helmet标签的已戴安全帽头部，以及带head标签的未戴安全帽头部，本质上是在检测"人头+是否戴帽"这一状态。

1.2 YOLOv7是不是最优解

选YOLOv7而不是YOLOv5或YOLOv8，主要考虑三点。

第一是速度与精度的平衡。YOLOv7官方在COCO数据集上以约36.9M参数取得51.2%的mAP，推理速度远快于同体积的两阶段模型，适合部署在变电站边缘设备上，不用依赖云端GPU。

第二是工程成熟度。YOLOv7的官方仓库提供了完整的train、detect、export脚本，数据处理方式和YOLOv5一脉相承，很多现成的工具链可以直接复用。

第三是社区积累。近两年围绕YOLOv7的部署方案非常多，从TensorRT到OpenVINO都有现成案例，遇到问题容易找到参考。

如果你是新项目且没有历史包袱，用YOLOv8也完全可以，但如果你手头有基于YOLOv5的标注数据或训练脚本，迁移到YOLOv7成本非常低。我在这个项目里为了对比，也跑过YOLOv8n，结论是两者在安全帽这种中等尺度目标上差距很小，最终让我选择YOLOv7的主要原因是部署时ONNX和TensorRT的兼容性更稳定。

1.3 项目交付物和整体流程

这个项目最终产出的内容包括三块：

• 训练好的检测模型，采用YOLOv7标准结构和两类输出（helmet、head），测试集mAP@0.5达到87.3%。
• 整理好的标注数据集，包含现场拍摄图与公开数据集，已转换并清洗成YOLO格式，目录结构清晰可直接开始训练。
• 一条从标注到训练到推理的完整脚本链，包括数据划分、训练配置、模型评估和单张图片/视频推理。

整体流程可以概括为六步：确定类别定义、采集并标注数据、划分训练/验证/测试集、训练YOLOv7模型、评估指标并迭代、导出模型部署。这个流程也可以原样迁移到安全带检测、反光衣检测、护目镜检测等项目上，只需要替换标注数据和类别名。

2. 数据集构建：比模型训练更关键的一步

2.1 数据采集与标注类别的定义

安全帽检测模型的效果上限在数据环节就决定了。模型参数再精调，也弥补不了数据缺失带来的问题。我在采集阶段主要覆盖了几个维度：白天/傍晚/夜间不同光照条件、晴天逆光、变电站设备区、输电线路杆塔下方、装设围栏的检修通道等。拍到的原图并不都能直接用，模糊图、目标占比过小的图、镜头有遮挡的图都需要筛掉。

类别定义要尽量简单且语义无歧义。我最终选了helmet和head两个类别，其中head代表"没有戴安全帽的人头"。为什么不加person（整个人）类别？因为安全帽检测真正关心的位置在头部，person框会引入大量背景噪声，而且同一画面中人数多时，person框重叠严重，影响后处理逻辑。如果你需要统计"进入区域的人数"再判断未戴帽比例，那可以额外增加person类别，但会让标注量翻倍。

2.2 YOLO标注格式与工具使用

标注工具我用的是labelImg，标注完成后保存为YOLO格式。每一行标注对应一个目标框：类别编号、归一化后的中心点x、归一化后的中心点y、归一化后的宽w、归一化后的高h。

例如某一行是1 0.512 0.684 0.106 0.142，表示类别1是head，这个头部的中心点位于图片宽度方向的51.2%、高度方向的68.4%，框宽占图片宽度10.6%，框高占图片高度14.2%。

这里有两个非常值得注意的坑。第一，归一化坐标必须以图片真实宽高为基准，如果标注前做过resize，一定要用resize后的宽高，否则框会整体偏移。第二，labelImg生成的框坐标是像素值，保存成YOLO格式时工具会自行归一化，但如果用Python脚本自己转换，需要手动除以宽高，这是初学者最容易写错的地方。

2.3 数据增强与样本均衡

训练时YOLOv7会自动应用Mosaic、随机平移、缩放、HSV色域变换等数据增强。Mosaic增强会随机拼接四张图，对小目标检测尤其有效，因为它变相增加了小目标样本数量。我在训练时保留了默认增强，但在验证和测试阶段保持原始分辨率，避免指标虚高。

样本均衡方面，施工现场通常戴帽样本多、未戴帽样本少，这会造成模型对"未戴帽"类别的召回率偏低。我用三个方法处理：一是对head类别做过采样，复制少数类样本但不完全重复，而是结合旋转、裁剪做增强副本；二是设置适当的类别损失权重，提高head类别在损失函数中的贡献；三是尽量保证验证集中head样本与训练集分布一致，避免验证时产生偏差。

2.4 数据集划分与目录结构

数据集建议按以下目录结构组织，YOLOv7和YOLOv5都能直接读取：

dataset/ images/ train/ val/ test/ labels/ train/ val/ test/

images和labels下同名的jpg和txt一一对应。划分比例我用了80%训练、10%验证、10%测试。如果样本量少于3000张，建议增加训练集比例到85%，并靠数据增强弥补。需要注意的是，划分时不能简单用随机数打散，因为同一场景连续拍摄的多张图片高度相似，如果它们同时出现在训练集和验证集里，验证结果会虚高。我按现场时间戳和摄像机ID做分组后，再把整组图片整体划分。

3. YOLOv7模型结构与训练原理

3.1 网络结构核心模块

YOLOv7的骨干网络基于CSPDarknet结构，并引入了E-ELAN（Extended Efficient Layer Aggregation Network）设计。E-ELAN的核心思想是通过不同分支的特征聚合，让网络在保持计算效率的同时学到更丰富的特征表达。简单理解就是它把输入特征分成多个分支，每个分支做不同变换，最后合并，相当于用多个小网络并行提取特征，再整合起来，比单纯加宽网络更经济。

Neck部分采用特征金字塔结构，带有SPPCSPC模块，用来扩大感受野。SPP模块通过多个不同尺寸的池化核捕获多尺度上下文信息，对安全帽这种目标有实际帮助——因为同一顶帽子近景大、远景小，模型需要在不同尺度下都能锁定它。YOLOv7的改进在于把SPP和CSP结构结合，进一步减少了计算开销。

3.2 Anchor与多尺度检测头

YOLOv7是Anchor-Based检测器，在三个不同下采样倍率的特征图上做预测，分别是下采样8倍、16倍和32倍，对应8、16、32的Stride。Stride越小，特征图越大，负责检测小目标；Stride越大，特征图越小，负责检测大目标。一张640x640的输入图，三个检测头分别在80x80、40x40、20x20的特征图上预测。

Anchor不是随便设的，需要在训练前用数据集中的真实框进行K-Means聚类得到。YOLOv7官方给出的默认Anchor是在COCO数据集上聚出来的，直接用在安全帽数据集上也能跑，但未必最优。我的做法是用scripts里的聚类脚本重新计算，再把新的9组Anchor填到yolov7.yaml的anchors字段里，三个检测头每组3个Anchor。这个操作对mAP的提升通常在2到3个点之间，尤其当你的目标框宽高比与COCO类别差异较大时，效果更明显。

3.3 损失函数与训练技巧

YOLOv7训练的损失主要由三部分组成：分类损失、置信度损失和边界框回归损失。分类和置信度都使用带logits的二元交叉熵损失，边界框回归使用CIoU Loss。CIoU Loss同时考虑重叠面积、中心点距离和宽高比，对安全帽这种长宽比接近1比1的小目标框比较友好。

训练技巧方面，YOLOv7支持改进的标签分配策略和辅助检测头机制。简单说，训练时除了主检测头，还在中间层加了一个辅助头，让梯度信息更容易回传到浅层，提升小目标检出能力。这是YOLOv7相对YOLOv5的一个关键变化，但推理时辅助头会被去掉，不会增加额外计算消耗。

3.4 不同模型规格的选择

YOLOv7系列主要分为标准版、小参数量版和扩展版。标准版yolov7.pt适合大多数GPU和边缘设备，整模型权重约74MB，推理一张640x640图片在主流显卡上毫秒级完成。yolov7-tiny.pt参数量约6M，体积只有12MB左右，适合Jetson Nano这类低算力设备，精度大约降低4到6个百分点。yolov7x.pt是扩展版，精度最高，但显存和延时都是标准版的两倍以上。

我给这个项目的建议是：如果部署设备是Jetson Orin或Xavier，用标准版；如果是旧款Nano或树莓派加NPU，用tiny版；如果只做离线批量分析，不要求实时，可以考虑x版。不要一上来就追求精度，先用标准版跑通流程，再根据现场延时要求做减法，这样效率最高。

4. 训练实操：从环境搭建到模型验收

4.1 环境准备

YOLOv7需要的环境不复杂，PyTorch 1.8以上、CUDA对应版本、官方requirements.txt里的依赖包即可。我用的组合是Python 3.8、PyTorch 1.12.1、CUDA 11.6和一张12GB显存的显卡，整个训练过程显存占用约10GB。如果你的显卡显存只有8GB，把batch size降到8，同时开启混合精度训练，也能跑完。

安装依赖可以用requirements.txt，需要特别注意opencv和torchvision的版本，不要和PyTorch冲突。另外，如果下载预训练权重总是失败，可以手动去官方仓库的releases页面下载后放到对应目录，不用依赖命令自动下载。

4.2 训练配置与命令

把数据集目录按前面的结构准备好后，需要新建一个data/custom.yaml文件：

train: dataset/images/train val: dataset/images/val test: dataset/images/test nc: 2 names: ['helmet', 'head']

然后在yolov7目录下执行训练命令：

python train.py --workers 8 --device 0 --batch-size 16 \ --data data/custom.yaml --img 640 640 \ --cfg cfg/training/yolov7.yaml --weights yolov7_training.pt \ --name helmet-640 --hyp data/hyp.scratch.p5.yaml --epochs 200

这里解释几个关键参数。--weights指定的是预训练权重，官方推荐使用yolov7_training.pt，它是在COCO上做过全量训练的，比yolov7.pt更适合作为微调起点。--img 640表示训练分辨率，如果你有大量小目标，可以改成1280，但显存会明显上涨。--hyp指定超参数文件，默认的hyp.scratch.p5.yaml在大部分数据集上表现稳定，不建议上来就大改。

训练超参数影响很大，我把常用参数的选型和注意事项整理如下：

4.3 训练过程监控

训练开始后，终端会实时打印每个epoch的损失值、精确率、召回率和mAP。我更推荐用TensorBoard监控，YOLOv7会在run目录下自动生成日志，开启命令是：

tensorboard --logdir runs

正常训练过程中，box_loss和obj_loss应该是平滑下降的，如果出现中途反弹，多半是学习率设置问题或数据中有异常标注。训练到约第100个epoch时，我注意到验证集mAP不再明显上升，就启用了早停机制，把最后一次明显改善时的权重保存下来。另外，训练中断不要慌张，YOLOv7的--resume参数会从上次保存的last.pt继续训练，我在第80个epoch时中断过一次，恢复后损失曲线无缝衔接。

4.4 模型评估与结果分析

训练完成后，用官方test.py对测试集进行评估：

python test.py --data data/custom.yaml --weights runs/train/helmet-640/weights/best.pt --batch-size 16 --img 640 --conf-thres 0.001 --iou-thres 0.6

评估输出包括每个类别的Precision、Recall和mAP@0.5、mAP@0.5:0.95。我在测试集上的结果是：helmet类Precision 0.91、Recall 0.88，head类Precision 0.84、Recall 0.79，整体mAP@0.5为87.3%。head类别召回率偏低符合预期，因为未戴帽样本在数据集中偏少，且部分未戴帽人头在俯拍视角下特征不明显。

如果只看mAP还不够，建议在验证集上输出混淆矩阵和PR曲线。混淆矩阵能直观看到helmet和head互相误判的情况，PR曲线能帮你选择部署时的置信度阈值。阈值不是越高越好，调高了误报少但漏报多，调低了正好相反。这个平衡必须结合现场业务来定，安全相关场景我宁可接受一些误报，也要尽量压低漏报。

5. 推理部署与工程化优化

5.1 推理脚本与参数选择

官方detect.py可以用来快速验证模型效果：

python detect.py --weights runs/train/helmet-640/weights/best.pt \ --source test_imgs/ --conf-thres 0.35 --iou-thres 0.45 --img-size 640

实际项目中我更推荐把推理逻辑封装成Python服务或C++模块。部署时两个阈值需要按业务重调：conf-thres控制置信度过滤，我建议现场环境先设0.25跑一天，看误报率再决定要不要调到0.4；iou-thres控制NMS去重，0.45在人多且密集的场景下容易漏检，可以降到0.35，让更靠近的框也保留下来。

5.2 模型导出与加速

边缘设备上直接跑PyTorch推理并不现实，我一般会把权重导出成ONNX再转TensorRT引擎。YOLOv7官方export.py支持这几种格式：

python export.py --weights best.pt --grid --simplify --include onnx

导出后可以在TensorRT环境里继续转成engine格式，并使用FP16精度把推理速度提升1.5到2倍。对于Jetson平台来说，这种优化是必须的，否则RTSP多路视频流同时解码时CPU会被挤爆。还有一点，导出ONNX时不要跳过--grid参数，否则输出层会缺少关键的解码结构，部署端处理起来非常麻烦。

部署格式的选择可以从这个角度综合考虑：

5.3 与电力巡检业务系统集成

模型本身只输出框和类别，落到业务层面还有几件事要做。

第一是区域控制。只在设定的作业围栏或工作区域里做检测，区域外的人员不告警，这样能大幅减少误报。第二是视频帧采样控制。实时流处理时不需要每帧都做模型推理，5到10帧里取1帧即可，既保证实时性又减小边缘设备压力。第三是告警联动。检测到未戴帽目标后，保存现场截图并关联摄像机编号、时间戳和置信度，推送消息给值班人员。这些逻辑虽然不复杂，但缺了任何一环都会让模型的价值打折扣。

6. 常见问题与排查实战

6.1 mAP很高但现场漏检严重

这种情况我至少遇到过三次，原因主要有两个：过拟合到标注风格，以及训练集与现场分布存在差异。如果你用公开数据集训练出的模型mAP看起来很高，放到真实电力现场却频频漏检，大概率是公开数据里的背景和机位与现场差别太大。解决办法是采集本现场的视频帧加入训练集，把训练数据中现场图片比例提高到40%以上，重新训练。另一个常见原因是验证集划分有泄漏，导致mAP虚高，这部分我在前面数据集划分时已经强调过，需要按场景分组而不是按单图打散。

6.2 小目标安全帽检测不到

小目标漏检是安全帽检测的典型问题。对策可以按优先级排列：先用更大分辨率训练和推理，比如从640提升到1280；然后开启多尺度训练，让模型适应不同尺度的目标；如果仍然漏检，使用SAHI这类切片推理框架，把大图切成多块带重叠区域的小图分别检测，再合并结果。切开重叠区域能解决目标被切破的问题，我在杆塔航拍画面里做过测试，漏检率能下降三成左右。代价是推理耗时成倍增加，所以要结合硬件算力权衡。

6.3 训练过拟合与欠拟合

如果训练集loss持续下降、验证集mAP却停滞，基本可以断定过拟合。解决方法是增加数据增强强度、增大数据规模、降低模型容量。如果训练集和验证集的loss都高居不下，属于欠拟合，可以先延长训练epoch，再检查标签是否有大量错误，最后才考虑换更大模型。我在一轮迭代中把训练集图片量从2500增加到5000后，验证集mAP提升了6个百分点，数据规模的作用比很多调参技巧都明显。

6.4 显存不足与训练中断

显存不足的常用解法是减小batch size、降低图片分辨率、开启混合精度训练。如果batch size已经小到8还不够用，可以使用梯度累积，等效增大batch size。训练中断恢复使用--resume last.pt即可。另外我习惯在训练命令里加上--cache-images，把图片加载到内存，虽然会占内存几十GB，但能显著减少磁盘IO，训练速度提升明显。如果你的机器内存紧张，就放弃缓存。

6.5 数据与标注错误排查

标注错误对模型的影响容易被低估。我在训练中途经常返回去检查数据集，最简单的方式是把标注好的框画回原图，肉眼扫一遍。重点看四类错误：坐标归一化错误导致框偏移、类别串扰（把未戴帽标成戴帽）、框过大包含大量背景、重复框。这类错误用脚本批量检查很难完全发现，手工抽查是性价比最高的办法。付出这半小时，往往能省下后面几天的无脑调参。

最后再分享一个我在项目收尾时比较受用的习惯：每次训练都记录当时的类别定义、数据集版本、机器环境、超参数和测试集结果，即使只是随手记在一个文本文件里。因为这个项目后续要加安全带识别、反光衣识别，数据集会越来越多，没有版本记录，迭代两个月后你根本说不清某个mAP是哪个版本跑出来的。把这个习惯保持住，你的工程化能力会提升半个档次。

本文还有配套的精品资源，点击获取