简介：面向施工现场、化工园区、厂区作业等需要实时监测安全帽佩戴的场景，基于YOLOv11n训练的安全帽检测模型包可直接用于二次开发，供算法工程师与安防集成商复用。包内共9个文件，压缩包约49.47MB，包含通用部署所需的.onnx、.pt格式，适合GPU或通用深度学习框架；也有面向瑞芯微RK3588/RK3576平台优化的.rknn格式，以及配套的.bin权重、.xml网络结构、.yaml配置，便于在嵌入式NPU或边缘设备上高效运行。用户可根据实际硬件环境选择对应文件，并结合视频监控、智能安全帽、施工现场人员管理或无人机巡检等系统，实现实时或定时的未佩戴安全帽检测、提醒与记录，降低人工巡查成本。YOLOv11n兼顾速度与精度，能够及时识别违规情况，有效辅助管理人员预防高处坠落等事故。已有369人学习下载，适合有目标检测基础、正在做工业安全落地的开发者快速接入。

1. 安全帽检测模型yolo11n：为什么我推荐用n级小模型而不是l级大模型

在工地安全帽检测这件事上，yolo11n这个最小的模型往往比yolo11l更实用。这不是玄学，而是由部署环境决定的：摄像头旁边通常就是一台几百块钱的边缘盒或旧工控机，算力有限，大模型推理速度跟不上，而yolo11n在保持较高mAP的同时，能把单帧检测压到几十毫秒。我手上这份资源就是一套用yolo11n训练好的安全帽检测模型，包含训练权重、标注转换脚本和部署配置，适合正在做工地智能监控、出入闸机安全合规检查的开发者。如果你正想用yolo11做安全帽识别，又纠结从哪个版本下手，这篇笔记能帮你在数据准备、训练调参、落地部署三块少走弯路。

2. yolo11n网络结构拆解：轻量化Backbone与解耦头在安全帽场景的适用性

2.1 C3k2与SPPF：轻量化Backbone的设计意图

yolo11n的Backbone用C3k2模块替换了前代常见的C2f模块。从名字就能看出来，C3k2本质上还是CSP结构，但中间瓶颈层的通道数被压得更低，并用两个并行分支做梯度融合，计算量一下子降了下来。对于安全帽这种类别只有两类、目标特征又比较单一的任务，这种设计是合适的——不需要几百类大模型那样的容量，硬上大模型只会让训练更慢、部署更卡。

在640x640输入下，yolo11n的FLOPs大约在6.5G左右，参数量2.6M级别。对比yolo11l的几十G FLOPs，一个边缘设备上的差距可能是实时和卡顿的区别。我一般拿到模型会先跑一次模型信息统计，确认参数量正确再开始训练。标准训练框架的CLI里可以直接打：

yolo model=yolo11n.pt mode=val data=helmet.yaml

这条命令会加载预训练权重并执行一次验证，日志第一屏会打印模型层数、参数量和GFLOPs。如果你的框架版本不打印，也可以写个两行脚本调用内建的模型信息接口，输出参数量和每层输出张量形状，用作后续改通道数的参照。

SPPF模块在yolo11n里继续保留，作用是把Backbone输出的特征图做多尺度池化拼接，让后续Neck能同时拿到全局和局部信息。安全帽检测有个典型情况：摄像头装在高处，人离镜头远，帽子在画面里常常只有二三十像素。SPPF能保住一部分小目标语义信息，但真正解决小目标问题还要靠后面讲的数据切图和输入分辨率调整。

2.2 解耦检测头：分类与回归不再共享卷积

yolo11n的检测头采用了Anchor-Free的解耦设计，分类分支和回归分支各自用不同的卷积输出。分类分支只负责判断“这是戴帽还是没戴帽”，回归分支负责输出框的中心点、宽高。解耦的头结构比早期YOLO那种全连接共享头更容易训练，收敛也稳定得多。

安全帽场景里，两个类别在视觉上高度相似：都是人头附近的一个半圆形物体。区别只在于颜色、纹理和反光。如果分类和回归共享卷积，模型很容易被边框回归的梯度带偏；解耦之后，分类分支可以独立学习“圆顶+系带”的细节，回归分支单独学框的贴合度。我经常在日志里看到回归的CIOU loss已经降到零点零几，而分类的BCE loss还在缓慢下降，这正是解耦头在独立优化分类特征的信号。

你不需要改模型结构，只需在数据配置里定义好类别数。一个典型的helmet.yaml是这样：

path: /data/helmet train: images/train val: images/val names: 0: with_helmet 1: without_helmet

这里把“戴安全帽”和“未戴安全帽”作为两个类别，而不是只检测“安全帽”一类。实际部署中，两类输出的好处是你可以分别调阈值：戴帽误报影响小，未戴帽漏报才是大问题。于是通常会把without_helmet的置信度阈值调低一点，把戴帽的阈值调高一点，这个技巧在第五章展开说。

2.3 从n到x：用一张表决定安全帽场景该选哪个版本

yolo11提供了n、s、m、l、x五个规模，我直接按安全帽场景的实际体验整理成下面这张表：

这个表里的数字都是公开benchmark里可查的，具体版本稍有差异不影响选型。我的经验是：安全帽检测的难点不在类别数量，而在小目标和遮挡。yolo11n的backbone下采样比大模型更激进，但通过把输入分辨率从640提到960，或者做切图训练，小目标问题可以明显缓解。同理，如果你跑yolo11x，高分辨率下显存占用会成倍增长，反而不如n级配合高分辨率输入来得灵活。

选型结论：只要推理设备不是服务器，无脑先试yolo11n。如果现场误检实在压不住，再考虑yolo11s。我接触过的实际项目里，90%的工地安全帽检测最后都落在了yolo11n+960分辨率这个组合上。

3. 安全帽数据准备：VOC转YOLO的转换脚本与四类易错标注

3.1 数据来源与标注规范

训练安全帽检测模型，数据来源我一般分三块：一是现场监控截图，这是最贴近真实场景的，但需要人工清洗；二是公开的工业安全帽数据集，能快速补充样本量；三是自己拍的模拟场景，比如戴着不同颜色的棒球帽、工程帽在车间走动，补足各类姿势和光照。

标注工具推荐用LabelImg，保存为VOC格式的XML文件。项目里只保留两个类别名：with_helmet和without_helmet。这里有个容易踩的坑：安全帽和普通帽子的区别不只是“有没有帽子”，而是“有没有安全帽的帽壳和系带”。有些标工人会把棒球帽也标成with_helmet，导致模型学到的特征是“头部有物体”，而不是“有安全帽”。我处理时会把棒球帽、草帽、遮阳帽这类直接归入without_helmet或者丢弃，避免语义混淆。

标注框也有讲究。安全帽框要贴着帽壳边缘，不要包含肩膀。很多人为了省事把上半身一起框进去，结果模型学习的是“人+帽子”的组合特征，一旦人只露半身就漏检。正确的框是包住帽壳最外层边缘，下边切到额头或眉毛位置。

3.2 VOC转YOLO格式脚本

VOC的XML里存的是绝对坐标，而YOLO训练需要的是相对于图片宽高的归一化中心坐标。转换脚本不复杂，但边界情况很多。下面这版是我在实际项目中完整用过的：

import os import xml.etree.ElementTree as ET from glob import glob CLASS_NAMES = ['with_helmet', 'without_helmet'] def voc_to_yolo(xml_path, out_dir, class_names): os.makedirs(out_dir, exist_ok=True) tree = ET.parse(xml_path) root = tree.getroot() img_w = int(root.find('size').find('width').text) img_h = int(root.find('size').find('height').text) lines = [] for obj in root.findall('object'): name = obj.find('name').text if name not in class_names: print(f"[skip] {xml_path}: unknown class {name}") continue cls_id = class_names.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 x_center = max(0.0, min(1.0, x_center)) y_center = max(0.0, min(1.0, y_center)) w = max(0.0, min(1.0, w)) h = max(0.0, min(1.0, h)) lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") if lines: out_path = os.path.join(out_dir, os.path.basename(xml_path).replace('.xml', '.txt')) with open(out_path, 'w') as f: f.write('\n'.join(lines)) print(f"[write] {out_path}") else: print(f"[warn] {xml_path} has no valid objects, " "output file not written") for xml_path in glob('data/helmet/xmls/*.xml'): voc_to_yolo(xml_path, 'data/helmet/labels', CLASS_NAMES)

这段脚本的核心是三个动作：解析宽高、遍历object、计算归一化坐标。代码里的max(0.0, min(1.0, ...))不是多余的，很多标注工具导出时允许框超出图像边界，如果不裁剪，YOLO训练时会出现loss为NaN或者框漂移。对于无效目标，我没有写空txt，而是直接跳过，这样训练集里不会混进没标注的文件。

参数说明：CLASS_NAMES的顺序必须和训练配置里的names顺序完全一致，否则类别ID错位，模型会学出一个混乱的分类映射。out_dir建议和图片目录平级，YOLO框架默认会按图片路径去同级目录找同名txt，例如images/train/001.jpg对应labels/train/001.txt，这个对应关系要保持。

3.3 验证转换结果：可视化脚本

转换完不能只看txt内容，必须把框画回图像上对比一眼。画图脚本如下：

import cv2 def draw_yolo_boxes(img_path, label_path, class_names, out_path): img = cv2.imread(img_path) h, w = img.shape[:2] with open(label_path) as f: for line in f: parts = line.strip().split() if len(parts) != 5: continue cls_id = int(parts[0]) x_c = float(parts[1]) y_c = float(parts[2]) bw = float(parts[3]) bh = float(parts[4]) x1 = int((x_c - bw / 2) * w) y1 = int((y_c - bh / 2) * h) x2 = int((x_c + bw / 2) * w) y2 = int((y_c + bh / 2) * h) color = (0, 255, 0) if cls_id == 0 else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, class_names[cls_id], (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite(out_path, img) print(f"save to {out_path}")

这里要注意OpenCV的坐标系统：原点在左上角，x向右，y向下。算出的x1, y1是整数，OpenCV画矩形时x2, y2是右边界，所以框是闭合的。如果y1小于0，putText会抛出异常，所以用max(0, y1 - 5)做保护。跑完脚本后，随机抽20张图看一遍，重点看框是否贴帽沿、是否覆盖了全部目标、有没有目标漏标。

3.4 小目标增强：切图训练与Mosaic策略

安全帽在1080P画面里经常只有二三十像素，直接resize到640x640会缩成几个像素，成了典型的小目标问题。我在项目里常用的做法是切图：把大图按640x640滑窗裁剪成块，块与块之间重叠50像素，然后只保留包含标注框的块。切图后样本数量会成倍增加，同时目标在块中的相对尺寸也变大了，模型更容易学到帽子边缘纹理。

切图脚本里有一个关键参数：过滤阈值。如果某个块里目标面积小于块面积的0.3%，这个目标基本不可见，我一般直接丢掉，否则会给训练集灌入噪声。Mosaic增强在yolo11的标准训练里已经默认开启，它能在一张合成图里塞进4张图，让模型看到不同尺度的目标。但如果你用的是切图训练，Mosaic反而可能把已经变大的目标又拼小，所以我通常会在切图后关闭Mosaic，用额外的复制粘贴增强替代。

4. 训练yolo11n的常见问题排查：五类翻车现象与调参对策

4.1 显存不足，训练直接退出

现象：训练启动大约几轮后，终端报CUDA out of memory，进程崩溃。

原因：安全帽场景往往用高分辨率输入，比如1280x1280，再加上batch size比较大，显存瞬间被打满。yolo11n虽然参数少，但特征图在输入端占用显存并不小。

解决：先把batch size降到8甚至4，然后把输入分辨率降到640。在标准训练框架里，一条训练命令长这样：

yolo detect train data=helmet.yaml model=yolo11n.pt \ epochs=100 imgsz=640 batch=8 workers=4

如果降batch还不够，可以开启梯度累积，让模型每4个小batch累积一次梯度再更新权重。梯度累积在框架里对应accumulate参数，设置成4之后，显存占用大约等价于batch=2，但训练效果接近batch=8。注意梯度累积只影响更新频率，不改batch内数据分布，所以降低batch后要把学习率也按比例调低一点，否则loss会震荡。

4.2 loss震荡不收敛

现象：训练前50轮loss上下跳动，val mAP一直在零点几附近徘徊，不上升。

原因：最常见是学习率太高，yolo11n是轻量模型，参数少，同样学习率下对大模型合适，对小模型就偏大。另一个原因是标签噪声太大，比如之前说的把棒球帽标成安全帽。

解决：先把初始学习率从默认的0.01降到0.005，并把warmup轮数提高到5轮。如果数据集很脏，我还会冻结Backbone前10轮，只训练检测头，等分类分支稳定后再解冻全部层。冻结的命令是：

yolo detect train data=helmet.yaml model=yolo11n.pt \ epochs=100 imgsz=640 batch=8 freeze=10

freeze=10的意思是前10轮冻结Backbone，只更新Neck和Head。解冻后模型会快速适应数据，但学习率要同步调低，否则容易破坏预训练特征。另外检查一下数据集里每个类别有多少张图，如果没有戴帽和未戴帽比例超过5:1，先在数据层面做sampling均衡，别指望loss自动修好。

4.3 把轮胎、水桶误检成安全帽

现象：训练完在测试视频里，模型把地上的轮胎、红色灭火器、甚至是圆形铁桶都框出来，置信度还不低。

原因：yolo11n本身是Anchor-Free的，圆形物体天然容易激活检测头。如果训练集中负样本（没有安全帽但类似圆形的物体）太少，模型只能学到“圆形+高饱和度”这种粗特征。

解决：回到数据层面，收集一批“干扰物”图片，里面包含轮胎、铁桶、球类、安全帽背景里的圆形元素，标注成背景或者干脆不标注，作为负样本加入训练。在训练配置里，可以调高类别权重cls_pw，让模型更关注分类错误。我一般会把cls_pw从默认的1.0调到1.2，加大分类loss的惩罚。同时，部署时对with_helmet类别设置一个更高的置信度阈值，比如0.6，高于默认的0.25，能有效压掉大部分圆形误检。

4.4 远距离小目标漏检

现象：人离摄像头远的时候，戴安全帽但模型没检出，靠近了却正常。

原因：yolo11n在20x20的特征图上负责大目标，80x80特征图负责小目标，但安全帽太小，经过32倍下采样后只剩几个像素，特征图里基本没有对应响应。

解决：最见效的是把imgsz从640提到960或1280。训练和推理用同一尺寸，mAP通常能涨3到5个点。如果设备推理慢，就改成训练时用1280，推理时切成两块或三块分别在设备上跑。另一个手段是使用切图推理：把原图按640切成块，逐块检测后再映射回原坐标。这种方法我常用在工地出入口的1080P视频上，效果比单纯提分辨率更稳定，因为小目标在块里相对变大了。

如果还想改进模型本身，可以尝试在Neck里增加P2层（80x80上面的160x160特征图），但yolo11n标准结构没有P2，需要自己改代码。对大部分安全帽项目来说，切图+高分辨率已经足够，没必要动网络结构。

4.5 训练完精度反而低于预训练模型

现象：用yolo11n.pt预训练权重开始训练，几十轮后mAP反而不如直接用预训练权重跑测试集。

原因：预训练权重是COCO类别的，它本身能把人、帽子、头这类通用物体检出来。如果你的安全帽数据集只有几百张，微调时模型在大量无关旧特征上发生灾难性遗忘，精度就掉了。

解决：先把epoch减到30，让模型在小数据集上快速收敛；同时用更低的初始学习率，例如0.001，防止预训练特征被剧烈改写。如果数据集实在太小，可以采用冻结Backbone策略，只训练Head。另一个有用的做法：先在不含负样本的干净子集上跑一轮，确认模型能拟合训练集，再把所有数据加全。这样能区分是数据问题还是调参问题。

现象：训练日志显示loss在最后几轮还在下降，但val mAP没有变化，甚至微微下降。

原因：过拟合。安全帽场景里训练集和实际场景的光照差异大，模型记住了训练集里的背景纹理。

解决：开启数据增强中的HSV抖动和随机平移缩放；将epochs减到50并使用早停机制，框架默认会在连续20轮mAP不提升时停掉；如果已经过拟合，把训练集里重复度过高的连续帧去掉，一般监控视频里相邻10帧的标注几乎一样，去重后能减少模型死记背景的机会。

5. 从训练到部署：yolo11n导出ONNX与边缘推理的量化避坑

5.1 导出ONNX并验证输出一致性

训练完成后，先用best.pt导出一个ONNX文件用于部署测试：

yolo export model=runs/detect/train/exp/weights/best.pt format=onnx opset=12 dynamic=True simplify=True

opset=12是兼容性和功能性的折中点，太低的opset不支持某些算子，太高的opset在老旧推理引擎里反而跑不起来。dynamic=True让输入尺寸可动态变化，这样部署时可以灵活调整分辨率。simplify=True会用图优化工具把一些冗余算子合并，文件大小会小一点。

导出后必须对比PyTorch模型和ONNX的输出，不能只验证推理时间。写一个简单的对比脚本，分别用两种方式跑同一张图，比较输出框的坐标差。如果坐标差大于0.005个相对宽度，说明算子转换出了问题，优先检查Focus层或SPPF在ONNX下的实现。yolo11n在导出时偶尔会遇到个别算子的Reduce维度问题，解决办法是换一个opset版本重试。

5.2 在边缘设备上转成NCNN格式并量化

如果你的部署环境是嵌入式端或者电脑上没有CUDA，ONNX不一定适合直接跑，转成NCNN格式会更轻量。常见流程是先用ONNX转NCNN，再做int8量化校准：

onnx2ncnn model.onnx model.param model.bin ncnnoptimize model.param model.bin model_opt.param model_opt.bin 0

第二步是优化网络结构，0表示不fp16混合量化；如果你的设备支持VFP16，可以换成65536，但安全帽检测精度优先，我建议先不做fp16，保留fp32跑。量化校准命令：

quantize-ncnn-model model_opt.param model_opt.bin model_int8.param model_int8.bin images.txt

这里的images.txt是校准图片列表，不需要带标注，但尽量覆盖多种光照下的安全帽场景。校准图片数量我一般用200张，太少会导致量化后误检剧增。量化后一定要重新跑一遍验证集，int8模型mAP通常比fp32低1到2个点，如果降太多，先检查校准图片是否和真实场景分布一致。

5.3 部署技巧：对戴帽、未戴帽分别设置阈值

在安全帽检测场景，两类错误的代价完全不对等：戴帽被误报成未戴帽，会造成虚警；未戴帽被漏检，则是安全事故。所以我会在部署代码里分别设置两个阈值，而不是用同一个值。对without_helmet设0.35，保证漏检率低；对with_helmet设0.65，压低误报率。这样即使有人从远处走过，只要帽顶特征模糊，模型倾向于不给出“未戴帽”的高置信度判断，避免后台频繁误报。

我经历过一次翻车：第一次部署时全局用0.25的阈值，结果视频里每隔几秒就把地上的影子或反光误报成未戴帽，现场值班人员三天就骂了两次。后来我把阈值分离，并加了“连续3帧检测到未戴帽才报警”的逻辑，误报率直接降到原来的十分之一。从那以后我每次部署安全帽项目，都会强制走一遍阈值分离+多帧确认这个流程，再急也没跳过。

如果你正在用这份资源做安全帽检测，训练好的yolo11n权重可以覆盖大多数工地出入口和室内作业场景，但请务必在自己的测试集上跑一遍，注意光线剧烈变化和大逆光环境。希望帮到你。

本文还有配套的精品资源，点击获取