煤矿井下安全帽数据集构建与YOLOv8检测实战

简介：煤矿井下作业安全监测场景中，已标注安全帽数据集面向计算机视觉、目标检测方向的研究者与煤矿智能安防开发者，可用于训练与评估安全帽佩戴识别模型。资源共436个文件，包含218张井下实拍jpg图像及一一对应的218个xml标注文件，标注采用边框形式标明安全帽位置，压缩包整体约179.65MB，格式规范，便于直接转换为VOC或YOLO等常用训练格式。数据集覆盖多种井下光照与角度条件，可支撑目标检测、佩戴合规检查、异常预警、行为分析等任务，也可作为算法横向对比的基准数据。目前已有810人学习下载，适合用于模型训练、调优与科研实验，能有效节省自行采集和标注数据的时间和成本。 刚把煤矿井下安全帽数据集整理完，最后一轮质检通过的时候，整个人才真正松了口气。做安全帽检测的人都知道，调模型其实是最简单的一步，真正耗时间的是数据和标注。我之前试过直接用开源的通用安全帽检测模型跑井下监控视频，效果一言难尽：暗光下漏检、反光误检、遮挡漏检，根本没办法直接上线。所以才决定自己从零构建一套煤矿井下安全帽数据集，并且已经把全部图片完成标注。这篇就把整个数据采集、标注规范、质检流程和后续训练落地过程中的关键经验写出来，给同样在做矿井智能监控的同行一个参考。

1. 为什么煤矿井下安全帽检测值得单独做一个数据集

1.1 井下场景和普通工地场景差异很大

真的不是矫情。在做这个数据集之前，我拿开源的安全帽检测模型在煤矿井下监控视频上跑了一轮，结果漏检错检相当多。你会发现井下画面和普通工地完全不是一个物种：普通工地有自然光，安全帽颜色鲜明；井下照明靠矿灯和巷道灯，整体亮度低，黄色安全帽在煤壁背景下变成暗黄色，轮廓很模糊。更麻烦的是水雾和粉尘会让画面蒙上一层噪点，矿灯直射镜头时会产生大面积过曝和反光，这些干扰在工地数据集里很少出现。

我把两类场景的差异整理成了下面这张表，方便还没接触过矿区数据的人有个直观感觉：

一旦用了通用模型，最常见的失败模式是：暗光下直接把安全帽当成背景，压根没检出；矿灯反光区域出现一个亮斑，模型却把它当作安全帽框出来；还有人员弯腰操作设备时，安全帽只露出一小块，模型认为目标太小直接忽略。这些失败模式直接影响矿山安全监管场景的可用性，所以不能靠通用模型凑合。

1.2 安全帽检测在矿山智能监控里的落地位置

煤矿井下的作业安全管理里，入井人员戴不戴安全帽是非常基础又高频的检查项。人工盯监控视频不现实，几十路画面轮播，人眼很容易疲劳，所以需要靠视频分析算法自动识别“未佩戴安全帽”事件。实际工业落地时，这类算法通常接在矿区的智能视频分析平台上，对摄像头实时流做推理，再通过告警联动通知安全员。

这就要求模型在低照度、高噪声、强遮挡的井下画面里尽可能不放过任何一个人头。单靠通用预训练模型达不到现场要求，必须有贴近井下分布的数据来微调甚至重新训练。也正因为如此，一份“已标注”的煤矿井下安全帽数据集价值很大：它既可以直接用于训练YOLO、Faster R-CNN这类检测模型，也可以作为智慧矿山项目验收时的数据资产。数据处理流程并不复杂，但每步都有坑，我下面按实际搭建顺序展开。

2. 数据集的构成与标注规范

2.1 数据来源与场景覆盖

构建数据集的第一个问题不是“选什么算法”，而是“图从哪来”。我当时从矿区现场收集了多路摄像头的监控录像，覆盖井口检身处、运输大巷、采掘工作面、皮带机头、避难硐室等位置，同时尽量覆盖白班、夜班不同时段。采集完原始视频后，用抽帧脚本按每秒1帧或2帧抽取，再人工筛掉大量重复帧、模糊帧和纯静止画面，最终保留约1.2万张有效图像。

这里要特别强调场景覆盖的多样性。如果数据全来自同一个摄像头角度，训练出来的模型换一个安装位置就很可能失效。我建议至少覆盖三个维度：不同安装高度（2米、3米、5米）、不同朝向（正面、侧面、俯视）、不同环境状态（干燥、喷雾降尘、淋水）。另外，涉及现场人员的图片要按数据合规要求做脱敏或内部授权处理，这个在数据采集阶段就要和矿区沟通好，不要等标注完再处理，返工成本很高。

2.2 标注类别：用head和helmet而不是person

标注时我采用的类别不是大家第一反应里的“person”和“helmet”，而是“head”和“helmet”。原因很简单：安全帽佩戴检测本质上是在判断“头部区域有没有被安全帽遮盖”，如果只标注person，一个成年人的框那么大，即使没戴帽子也能检测到person，无法直接判断是否佩戴。标注成head，可以让模型精确定位头部，再结合helmet框是否覆盖头部来判断佩戴状态。

具体标注规则如下：画面中只要出现可辨识的人头，不管戴没戴安全帽都标注head；如果该头部佩戴了安全帽，则同时在安全帽的帽体外边缘标注helmet；如果没戴安全帽，则不标helmet。推理时，用一个head框和所有helmet框计算IoU，如果最大IoU大于某个阈值，就认为该人员戴帽，否则就是未戴帽。这套规则在后续业务逻辑里非常清晰，也便于人工审核。

有人可能问，为什么不直接标注“戴帽人员”和“未戴帽人员”两个类别？那样确实更直接，但训练样本中同一个人在不同帧里会同时出现在两类里，类别语义不稳定，模型容易学偏。head加helmet的组合把“人的位置”和“帽子位置”解耦了，实际效果更稳。

2.3 标注格式选型：VOC、YOLO还是COCO

标注格式我建议不要把鸡蛋放在一个篮子里。原始标注选择VOC XML格式保存，因为它是人类可读的XML文件，里面记录图片名、尺寸、每个目标的类别和坐标，方便做人工复核和脚本修改。随后通过脚本导出YOLO格式的txt文件，用于YOLOv8等模型训练。COCO格式的JSON也可以一键导出，主要用于Mask R-CNN等需要分割的模型，但检测任务用不上时可以先不生成。

YOLO格式的核心是每行一个目标，格式为“class_id x_center y_center width height”，坐标都是相对于图片宽高的归一化小数。VOC格式则是绝对像素坐标的xmin、ymin、xmax、ymax。从VOC转YOLO时需要做一次数学换算，我后面会给出脚本。

这里提醒一点，很多标注工具默认保存成绝对像素坐标，但不同工具的坐标系原点不一致，有的从左上角开始，有的从图片中心开始。如果混用工具，一定要先统一格式，否则模型训练时会莫名其妙损失大量梯度。

3. 标注全流程实操：选工具、做质检、避坑

3.1 标注工具选型：CVAT、X-AnyLabeling还是LabelImg

标注工具的选择直接影响效率。我用过三套工具，简单对比一下：

我实际使用的组合是：先拿一个已经在公开数据集上训练过的安全帽检测模型，对全部图片跑一遍推理，生成预标注框；再用X-AnyLabeling加载这套预标注结果，人工逐张修改。对于井下这种单张图里目标数量通常只有1到5个人的场景，人工修正速度能从每张1分钟降到15秒左右，效率提升非常明显。

3.2 标注质检的关键指标

标注完成后不能急着训练，质检一旦跳过后面的模型会不断“讨债”。我从三个维度把关：

第一是漏标率。随机抽5%到10%的图片，人工重新数一遍画面里的人头，再和标注框数量对比。如果漏标率超过1%，说明标注员疲劳了，需要把该批图片发回重标。第二是贴合度，框要贴住目标边缘，上下左右不要留太多背景，对head来说尤其不要框进安全帽边缘，对helmet来说要包含帽檐但不要包含肩部。第三是坐标合法性，即用脚本确认所有坐标都在图片尺寸范围内，宽高大于0，类别名称没有拼写错误。

我写了个最基础的检查脚本，批量跑一遍目录下的YOLO标签文本。给个简化版参考：

import os from pathlib import Path label_dir = Path("labels/train") bad_files = [] for label_path in label_dir.glob("*.txt"): with open(label_path) as f: for line in f: parts = line.strip().split() if len(parts) != 5: bad_files.append((label_path, "字段数错误")) continue cls, cx, cy, w, h = parts[0], float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4]) if not (0 <= cx <= 1 and 0 <= cy <= 1 and 0 < w <= 1 and 0 < h <= 1): bad_files.append((label_path, "坐标越界或宽高非法")) break print(bad_files)

这个脚本不能查漏标，但能过滤掉格式错乱，保证训练程序不会因为一行坏标签崩溃。

3.3 井下场景标注避坑

井下标注最大的坑不是工具，而是“看不清”。暗光图片里安全帽和煤壁颜色几乎融在一起，这时候我会在标注工具里临时调高亮度和对比度辅助分辨，但保存的框仍然要基于原图坐标。千万不能直接把增强后的图像拿去训练，因为测试时摄像头画面依然是暗的，模型习惯暗图就好。

第二个坑是“假安全帽”。粉尘、水雾和矿灯光晕会在图像上形成圆弧形高光，特别像帽子边缘。标注团队内部必须统一：只标注真实存在的人头和安全帽，不标阴影、光晕、镜像。第三是严重遮挡问题。如果一个人只露出一条胳膊但没有头，不标注；如果头被矿车挡住半截，但可见部分能明确判断出头部轮廓，就标注可见部分；如果安全帽被设备完全遮挡，宁可漏标这一帧，也不要打一个位置不准的框。第四点经验是，安全帽上的头灯会突出在帽檐外，不要刻意把灯光部分包含进helmet框，否则模型会学习到“帽子带一条亮尾巴”，部署时容易误检矿灯。

这些规则看起来繁琐，但只有定义得足够明确，多个标注人员才能保持一致。我前期规则没定死，结果三个人标出三种风格，训练出来的模型在验证集上摇摆不定，后期重标了三分之一的数据才恢复水准，这个教训挺深刻。

4. 从已标注数据到可用的训练集

4.1 按视频来源划分数据集

很多人在数据准备阶段直接做随机划分，把图片随机分到训练集和验证集，这对煤矿井下数据来说是一个隐蔽的坑。同一段监控视频里抽出来的帧高度相似，如果同一摄像头下的图像同时出现在训练集和验证集，模型会“背题”，验证指标虚高，部署到新点位后立刻原形毕露。

正确的做法是先把所有图片按摄像头ID或视频文件归组，再在组级别做划分。我采用的是按采集点分组：大约80%的摄像头点位图片进训练集，10%进验证集，10%进测试集。测试集单独放好，只允许在模型最终确定后测试一次，不能拿它反复调参。

4.2 数据增强策略

井下场景的数据增强重点在光度扰动，而不是几何扰动。我会在训练时开启亮度、对比度、饱和度扰动，模拟不同矿灯角度和镜头曝光差异；随机左右翻转是安全的，因为监控画面里目标从左往右或从右往左出现概率均衡；但不要用上下翻转，监控摄像头固定在支架上，画面很少倒置，翻转会让模型学到不存在的姿态。

YOLOv8的超参数里可以直接开启mosaic和mixup，两个增强对小目标和遮挡目标帮助很大。不过训练后期我会把mosaic关闭，否则小目标在合成图上占比不稳定，最终mAP会波动。可以这么操作：前80个epoch开mosaic，后20个epoch关闭并继续微调。

4.3 格式转换与路径修复

从VOC到YOLO的转换不难，但要批量处理时注意路径。我提供一个简化脚本：

import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, out_path, class_names): tree = ET.parse(xml_path) root = tree.getroot() img_w = int(root.find("size/width").text) img_h = int(root.find("size/height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text if name not in class_names: continue cls_id = class_names.index(name) box = obj.find("bndbox") x1 = float(box.find("xmin").text) y1 = float(box.find("ymin").text) x2 = float(box.find("xmax").text) y2 = float(box.find("ymax").text) cx = (x1 + x2) / 2 / img_w cy = (y1 + y2) / 2 / img_h w = (x2 - x1) / img_w h = (y2 - y1) / img_h lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") with open(out_path, "w") as f: f.write("\n".join(lines))

有一个容易踩的坑：确保每张训练图片都有对应的txt标签。如果某张图片里没有任何目标，那它的txt文件应该是空文件，而不是缺失。YOLOv8训练时缺失标签会导致图片被跳过或报错，空文件是合法行为。

5. 用YOLOv8训练煤矿安全帽检测模型

5.1 环境准备与数据配置

拿到“已标注”的数据集后，最快的落地路径是YOLOv8。安装ultralytics包之后，需要写一个data.yaml，声明数据集路径、类别数量和类别名。我这里用head和helmet两个类别：

path: /path/to/dataset train: images/train val: images/val test: images/test nc: 2 names: 0: head 1: helmet

然后运行训练命令：

yolo detect train data=data.yaml model=yolov8s.pt epochs=100 imgsz=640 batch=16 device=0

预训练权重我推荐从yolov8s开始。yolov8n和yolov8s的推理速度差异不大，但精度差距明显；井下监控摄像头算力通常有限，yolov8s在边缘设备上也能跑到实时。如果硬件允许，试试yolov8m会有更多提升。

5.2 训练参数与结果解读

训练完成后，重点看val目录下的结果文件和曲线。对于井下安全帽检测，我更关注召回率recall而不是精确率precision，因为在安全监管场景下，漏掉一个未戴帽人员比多报一次警严重得多。理想情况是mAP50达到90%以上，recall达到95%左右。如果你看到precision低但recall高，说明模型把很多阴影误检成了安全帽，这时可以调高置信度阈值，或者检查标注数据里是否混入了“假帽子”。

如果训练损失正常下降但验证mAP卡住，优先怀疑标注质量问题，不急着堆epoch。这时候把预测错误的图像可视化出来看，往往能发现某些框的类别标反，或者遮挡规则没统一。

5.3 模型导出与部署时的易错点

模型训练完要导出成ONNX或TensorRT引擎再部署到现场的推理服务器。导出本身很简单：

yolo export model=best.pt format=onnx imgsz=640

但部署时有一个很常见的坑：训练时的输入是letterbox后640x640，导出ONNX后若推理端直接把原始1920x1080图片缩放成640x640，没有做等比例缩放和填充，目标比例会和训练分布不一致，导致精度下降。正确做法是推理前先做letterbox，推理后再按原始坐标比例还原检测框。

另一个坑是类别过滤。现场只关心“未戴帽事件”，那么模型输出的helmet框和head框需要做一次后处理逻辑：遍历head框，计算它与所有helmet框的IoU，若最大IoU小于0.3，则判定为未佩戴安全帽。这个阈值不是固定的，要拿现场视频测试后确定，过小会漏报，过大会误报。

最后提一个井下特有的坑：矿灯强光下摄像头会出现大面积过曝，模型在这种情况下会把整个亮斑识别成head。我在部署时给检测结果加了一个前置过滤：只接受面积处于合理区间且宽高比在0.5到2.0之间的head框，能过滤掉大量光斑误检。在一路皮带巷的摄像头实测下来，这个简单规则让误报次数明显下降，而计算量增加几乎可以忽略。这类后处理规则看起来不起眼，但往往比盲目调模型参数更管用，也最容易被刚入门的人忽略。

本文还有配套的精品资源，点击获取