简介：这份资源面向计算机、人工智能、自动化等专业的在校学生与教师，提供一套可直接运行的智慧工厂危险区域闯入识别方案，适合作为毕业设计、课程设计或大作业的完整参考。项目以YOLOv8目标检测为核心，配套可视化界面，能够对工厂危险区域的人员闯入行为进行实时识别与预警，兼顾算法训练与交互展示。压缩包共8个文件，约15.91MB，包含3个Python脚本、3个模型权重文件与2个说明文本，分别对应模型训练、视频检测、可视化页面设计以及预训练权重与使用说明，结构清晰、便于快速部署。资源内还提供核心指标曲线图、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果与标签分布图等完整实验产物，方便直接用于答辩展示与结果分析。目前已有28人学习下载，代码均经测试运行成功，拿来即可上手，也可在此基础上修改扩展，实现更多检测功能。
1. 从一次产线误报说起：危险区域闯入识别到底难在哪
去年帮一家做汽车零部件冲压的客户做安全改造，他们最头疼的不是摄像头不够，而是误报太多。冲压机旁边划了黄色警戒线，工人偶尔伸手取件，传统方案用红外对射或者区域像素变化检测，结果一只飞鸟、一束叉车灯光、甚至蒸汽都能触发停机，一天停十几次，产线班长直接把报警器电源拔了。这就是危险区域闯入识别最真实的痛点：不是检测不到人，而是分不清「人」和「像人的东西」，更分不清「路过」和「闯入」。
基于 YOLOv8 的智慧工厂危险区域闯入识别系统，核心思路是把目标检测和区域逻辑判断拆开：YOLOv8 负责在每一帧里稳定找出 person 这个类，区域判断负责回答「这个人的脚底点有没有落在危险多边形内」。这样做的好处是模型只学「人长什么样」，区域规则可以随时改，换车间、换工位不用重新训练。这套方案适合做毕设或课程设计的同学，也适合工厂里想快速验证视觉安全方案的工程师，因为源码、数据集、可视化界面和部署教程都打包好了，简单部署即可运行，不用从零搭环境。
我见过太多人一上来就调 YOLOv8 的 head 或者换 backbone，结果连标注格式都没对齐，训练 loss 都不降。先把「检测 + 区域判断」这条链路跑通，再谈改进，才是正经落地路径。下面按我实际部署的顺序，从环境、数据、训练、区域逻辑到可视化界面，一步步拆开讲。
2. 环境配置与 YOLOv8 安装：CPU 版本也能先跑通
2.1 为什么建议先用 CPU 版本验证链路
很多同学拿到源码第一反应是找 GPU，但如果你手头只有一台办公笔记本，或者实验室服务器暂时排不上，用 CPU 版本先把推理和区域判断跑通完全可行。YOLOv8n 在 CPU 上单帧推理大约 80 到 150 毫秒，对于危险区域闯入这种不需要 60 帧实时性的场景，5 到 10 FPS 足够触发报警。等链路验证没问题，再换 GPU 训练自己的数据集，效率会高很多。
Ubuntu 20.04 和 CentOS 7 都能装，但 CentOS 7 默认 Python 版本太低，建议用 conda 建独立环境。Windows 上跑可视化界面也没问题，只是 OpenCV 的 GUI 依赖需要额外注意。我一般会先建一个干净的虚拟环境，避免和系统里的包打架。
# 创建 Python 3.9 虚拟环境，YOLOv8 对 3.8-3.10 支持最好 conda create -n yolov8_factory python=3.9 -y conda activate yolov8_factory # 安装 PyTorch CPU 版本，注意去官网复制对应命令，这里以 pip 为例 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu # 安装 ultralytics 和可视化界面依赖 pip install ultralytics opencv-python pillow pyyaml tqdm这段命令的逻辑是：先隔离环境，再装 PyTorch 作为 YOLOv8 的推理后端，最后装 ultralytics 这个官方库。参数上唯一要注意的是 PyTorch 版本，如果你后面要换 GPU，把--index-url换成 CUDA 对应的地址即可。装完后用yolo checks验证，能看到环境信息就说明基础链路通了。
2.2 验证 YOLOv8 安装是否成功的最小命令
不要急着跑训练，先用官方预训练权重做一次推理，确认模型能加载、能出框。这一步能排除 80% 的环境问题。
# 下载 yolov8n.pt 并在一张测试图上推理 yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg' save=True如果这条命令能跑通并在runs/detect/predict下生成带框的图片，说明 YOLOv8 安装没问题。常见翻车点是网络下载权重失败，可以手动下载yolov8n.pt放到当前目录，把model=改成./yolov8n.pt。另一个坑是 OpenCV 版本冲突，如果报cv2.imshow相关错误，重装opencv-python-headless换成opencv-python即可。
提示：CPU 版本推理时把
imgsz设成 640 就够了，设太大只会拖慢速度，对危险区域判断精度提升有限。
3. 数据集处理：从 Labelme 标注到 YOLOv8 格式的完整转换
3.1 危险区域闯入数据集应该标什么
这个系统的数据集不需要标「闯入」这个行为，只需要标person一个类。因为闯入是区域逻辑判断的结果，不是视觉特征。我见过有人把「人」和「闯入的人」分成两类标，结果模型根本学不会，因为同一个人的姿态在不同帧里差异太大。正确做法是：所有出现人的帧都标person，框要贴紧人体，包括被设备部分遮挡的情况。
数据集来源可以是工厂实地拍摄，也可以用公开行人数据集补充。关键是场景要覆盖你的目标车间：光照变化、人员穿工服、戴安全帽、叉车经过遮挡等。一般 2000 到 5000 张图就能出一个可用的模型，太少容易过拟合，太多标注成本高。Labelme 标注后会生成 JSON 文件，每个 JSON 对应一张图，里面记录了多边形或矩形框的坐标。
3.2 Labelme JSON 转 YOLO txt 的脚本与四个边界坑
YOLOv8 需要的是每张图一个.txt，每行class_id x_center y_center width height，全部归一化到 0 到 1。下面这个脚本我用了很多次，直接改路径就能跑。
import json import os from pathlib import Path # 输入 Labelme JSON 文件夹，输出 YOLO 标签文件夹 json_dir = Path("labelme_jsons") out_dir = Path("yolo_labels") out_dir.mkdir(exist_ok=True) # 类别映射，这里只有 person 一类 class_map = {"person": 0} for json_file in json_dir.glob("*.json"): with open(json_file, "r", encoding="utf-8") as f: data = json.load(f) img_w = data["imageWidth"] img_h = data["imageHeight"] lines = [] for shape in data["shapes"]: label = shape["label"] if label not in class_map: continue points = shape["points"] # 取多边形或矩形的外接矩形 xs = [p[0] for p in points] ys = [p[1] for p in points] x_min, x_max = min(xs), max(xs) y_min, y_max = min(ys), max(ys) # 边界裁剪，防止标注超出图像范围 x_min = max(0, min(x_min, img_w - 1)) x_max = max(0, min(x_max, img_w - 1)) y_min = max(0, min(y_min, img_h - 1)) y_max = max(0, min(y_max, img_h - 1)) # 归一化中心点和宽高 x_center = (x_min + x_max) / 2.0 / img_w y_center = (y_min + y_max) / 2.0 / img_h w = (x_max - x_min) / img_w h = (y_max - y_min) / img_h # 过滤掉宽高为 0 的无效框 if w <= 0 or h <= 0: continue lines.append(f"{class_map[label]} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") # 即使没有目标也要生成空文件，否则训练时会报找不到标签 with open(out_dir / (json_file.stem + ".txt"), "w") as f: f.write("\n".join(lines))逻辑说明：脚本遍历每个 JSON，读取图像宽高，把每个person形状转成外接矩形，再归一化。四个边界坑分别是：第一，标注点可能超出图像边界，不裁剪会导致归一化值大于 1，训练时报错；第二，宽或高为 0 的框要过滤，否则 YOLOv8 会报invalid labels；第三，没有目标的图也要生成空 txt，否则数据集校验会失败；第四，类别名必须和data.yaml里的names顺序一致，这里person对应 0。
3.3 data.yaml 的写法与训练集验证集划分
转换完标签后，按 8:1:1 划分训练、验证、测试集，目录结构建议如下：
dataset/ images/ train/ val/ test/ labels/ train/ val/ test/然后写data.yaml：
path: ./dataset train: images/train val: images/val test: images/test nc: 1 names: ["person"]nc是类别数，这里只有 person 所以是 1。names的顺序必须和转换脚本里的class_map一致。如果后面要加安全帽、反光衣等类别，改这里和脚本里的映射即可，但危险区域闯入本身只需要 person。
4. 训练自己的数据集：参数怎么设、曲线怎么看
4.1 YOLOv8 训练命令与关键参数解释
环境、数据都准备好后，训练命令其实很短，但参数设不对会浪费很多时间。
yolo detect train \ data=dataset/data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs_factory \ name=exp1逐项说明：model=yolov8n.pt表示从预训练权重开始微调，比自己从头训快很多；epochs=100对 2000 到 5000 张图足够，如果 loss 还在降可以加到 150；imgsz=640是输入分辨率，工厂场景里人占画面比例不大，640 够用，想提升小目标可以试 960 但显存要够；batch=16在 8G 显存上比较稳，CPU 训练就设 4 或 8；lr0=0.01是初始学习率，微调时不要设太大，否则预训练权重会被冲掉；patience=20表示 20 轮验证指标不提升就早停，省时间。
训练开始后，终端会打印每轮的 box_loss、cls_loss 和 mAP。重点看mAP50-95和mAP50，前者更严格。如果cls_loss一直不降，检查标签类别是否对；如果box_loss震荡，把lr0降到 0.005 再试。
4.2 用损失函数曲线判断过拟合与欠拟合
训练完成后，runs_factory/exp1下会有results.csv和results.png。我一般会画一张损失曲线图，直观判断模型状态。
import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv("runs_factory/exp1/results.csv") df.columns = df.columns.str.strip() plt.figure(figsize=(10, 5)) plt.plot(df["epoch"], df["train/box_loss"], label="train box loss") plt.plot(df["epoch"], df["val/box_loss"], label="val box loss") plt.plot(df["epoch"], df["train/cls_loss"], label="train cls loss") plt.plot(df["epoch"], df["val/cls_loss"], label="val cls loss") plt.xlabel("epoch") plt.ylabel("loss") plt.legend() plt.savefig("loss_curve.png", dpi=150)逻辑说明：训练 loss 和验证 loss 同时下降且接近，说明拟合正常；训练 loss 继续降但验证 loss 抬头，就是过拟合，需要加数据或加增强；两条都居高不下，是欠拟合，检查学习率或模型容量。危险区域闯入场景里，过拟合的典型表现是验证集 mAP 高但实际车间误报多，因为训练集场景太单一。
注意：不要只看 mAP 高就上线，一定要用一段没参与训练的车间视频做推理测试，看误报和漏报。
4.3 模型导出与推理速度优化
训练完的best.pt可以直接用于推理，但如果要部署到边缘设备，可以导出 ONNX 或 TensorRT。CPU 部署建议导出 ONNX，用 OpenCV DNN 或 ONNX Runtime 加载，比 PyTorch 直接推理快 20% 到 30%。
yolo export model=runs_factory/exp1/weights/best.pt format=onnx imgsz=640导出后得到best.onnx，推理时把model=best.pt换成model=best.onnx即可。如果部署到 RK3588 或 Hi3516CV610 这类板端，需要走对应的模型转换工具链，流程更复杂，建议先用 PC 验证效果再上板。
5. 危险区域判断逻辑与可视化界面实现
5.1 多边形区域定义与脚底点判断
检测到人之后，怎么判断「闯入」？我一般用脚底点，也就是检测框底边的中点。相比用框中心点，脚底点更符合地面区域的实际位置，人站在区域外但身体前倾时，中心点可能已经在区域内，脚底点不会误判。
区域用多边形表示，支持任意形状，比如冲压机周围的 L 形警戒区。判断点是否在多边形内，用射线法，OpenCV 自带pointPolygonTest。
import cv2 import numpy as np # 定义危险区域多边形，坐标按实际画面比例设置 danger_zone = np.array([[200, 300], [500, 300], [500, 600], [200, 600]], dtype=np.int32) def is_intrusion(box, zone): # box 格式 [x1, y1, x2, y2] x1, y1, x2, y2 = box # 脚底点：底边中点 foot_x = (x1 + x2) / 2.0 foot_y = y2 # pointPolygonTest 返回正数表示在内部 result = cv2.pointPolygonTest(zone, (foot_x, foot_y), False) return result >= 0逻辑说明：danger_zone是四个顶点，实际使用时可以用鼠标在界面上点选生成。pointPolygonTest的第三个参数False表示只返回距离符号，不返回具体距离，速度更快。如果返回大于等于 0，说明脚底点在区域内，触发闯入报警。
参数上要注意：区域坐标必须和推理时的图像尺寸一致。如果推理时做了 resize，区域坐标也要按比例缩放。我一般会在界面上让用户直接在原始分辨率上画区域，推理前再把区域缩放到模型输入尺寸，避免坐标错位。
5.2 可视化界面：用 PyQt5 还是 Web 端
源码里通常带一个可视化界面，常见的是 PyQt5 或 Gradio。PyQt5 适合本地桌面运行，能直接调摄像头，延迟低；Gradio 适合浏览器访问，方便演示但延迟稍高。如果是毕设答辩，PyQt5 更稳，因为不依赖网络。
界面核心功能就三块：视频显示、区域绘制、报警日志。视频显示用 OpenCV 读帧，YOLOv8 推理后画框和区域，闯入时框变红并记录时间。区域绘制用鼠标事件收集顶点，右键闭合。报警日志写到一个列表里，支持导出 CSV。
# 简化版 PyQt5 视频循环逻辑 cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break results = model(frame, imgsz=640, verbose=False) for r in results: for box in r.boxes: x1, y1, x2, y2 = map(int, box.xyxy[0]) if is_intrusion([x1, y1, x2, y2], danger_zone): cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 0, 255), 2) # 记录报警 else: cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.polylines(frame, [danger_zone], True, (0, 255, 255), 2) cv2.imshow("Factory Safety", frame) if cv2.waitKey(1) & 0xFF == ord('q'): break这段代码把检测、区域判断、绘制串起来。verbose=False关掉 YOLO 的日志输出，避免刷屏。实际界面里会把cv2.imshow换成 Qt 的 QLabel 显示，报警日志写到表格控件。
5.3 报警去抖与多目标处理
实际产线上，人走过区域边缘时可能连续几帧触发又消失，如果每帧都报警，日志会爆炸。我一般加一个计数器：连续 3 帧检测到闯入才触发一次报警，报警后 5 秒内不重复报同一目标。多目标时给每个框分配一个简单 ID，用 IOU 匹配前后帧，避免同一个人被反复计数。
# 简单去抖逻辑 intrusion_counter = 0 alarm_cooldown = 0 if is_intrusion(box, danger_zone): intrusion_counter += 1 else: intrusion_counter = 0 if intrusion_counter >= 3 and alarm_cooldown == 0: trigger_alarm() alarm_cooldown = 50 # 约 5 秒，按 10FPS 算 if alarm_cooldown > 0: alarm_cooldown -= 1参数3和50根据实际帧率调整。帧率低就减小计数阈值，帧率高就增大冷却帧数。这个逻辑不复杂，但不加的话演示时会被频繁报警搞得很尴尬。
6. 避坑与排查：部署危险区域识别系统时最容易翻车的 5 个点
6.1 现象：训练 loss 正常但推理时一个框都没有
原因通常是推理时的图像预处理和训练时不一致。YOLOv8 训练时默认做了 letterbox 填充，推理时如果直接 resize 会改变宽高比，导致目标变形。解决方法是推理时也用model.predict的默认预处理，不要自己手动 resize 后再送入模型。如果必须手动处理，确保保持宽高比并填充灰边。
6.2 现象：区域判断总是误报，人明明在区域外
先检查区域坐标和推理图像尺寸是否匹配。常见情况是界面按 1920x1080 画的区域，但推理时把帧缩到了 640x640，坐标没同步缩放。解决方法是统一在原始分辨率上做区域判断，或者把区域坐标按缩放比例同步变换。另一个原因是用了框中心点而不是脚底点，改成脚底点后误报会明显减少。
6.3 现象：CPU 推理太慢，视频卡成幻灯片
YOLOv8n 在 CPU 上单帧 100 毫秒左右，如果同时开可视化界面和视频解码，很容易掉到 2 到 3 FPS。解决方法是把推理分辨率降到 416 或 320，或者跳帧推理，每 3 帧检测一次，中间帧沿用上一次结果。如果还慢，导出 ONNX 用 ONNX Runtime 推理，开启多线程。
6.4 现象：换一个车间后模型完全失效
这是过拟合到训练场景的典型表现。训练集里如果只有白天、固定角度、穿同色工服的人，换到夜间或逆光场景，模型召回率会暴跌。解决方法是在数据集里加入目标场景的样本，至少 500 张，覆盖不同光照和角度。如果来不及重新标，先用现有模型加一个低阈值推理，把误报和漏报的帧截下来人工筛选，再增量训练。
6.5 现象：可视化界面打包成 exe 后打不开
PyQt5 打包时经常漏掉 OpenCV 的依赖库。用 PyInstaller 打包时加--hidden-import=cv2和--collect-all ultralytics，否则运行时找不到模型或 DLL。另一个坑是模型权重文件没有一起打包，exe 在别的机器上找不到best.pt。解决方法是用--add-data把权重和配置文件一起打进去，运行时用sys._MEIPASS定位路径。
7. 进阶技巧：用区域掩码和轨迹过滤把误报再降一半
如果你已经把基础链路跑通，想让系统在车间里真正可用，我建议加两个东西：区域掩码和轨迹过滤。区域掩码是把危险区域从画面里裁出来单独做检测，减少区域外人员的干扰；轨迹过滤是记录每个人连续多帧的位置，只有从区域外进入区域内才算闯入，已经在区域内的人不重复报警。
先讲区域掩码。YOLOv8 支持classes参数只检测特定类别，但不支持只检测特定区域。我的做法是在推理前把区域外的像素涂黑，或者用 ROI 裁剪。涂黑更简单，但会改变画面统计特性，可能影响模型。ROI 裁剪更干净，但区域坐标要重新映射。我一般用 ROI 裁剪，因为危险区域通常只占画面一小部分，裁出来还能提高小目标分辨率。
# ROI 裁剪推理，区域外不检测 x, y, w, h = cv2.boundingRect(danger_zone) roi = frame[y:y+h, x:x+w] results = model(roi, imgsz=640, verbose=False) # 检测框坐标映射回原图 for r in results: for box in r.boxes: x1, y1, x2, y2 = map(int, box.xyxy[0]) x1 += x; x2 += x; y1 += y; y2 += y # 后续判断和绘制这段代码把危险区域的外接矩形裁出来推理，检测框再映射回原图。好处是区域外的人不会被检测，减少计算量和误报。参数上注意boundingRect返回的是整数坐标，裁剪时要确保不越界。
再讲轨迹过滤。简单做法是给每个检测框分配一个 ID，用 IOU 匹配前后帧。如果某个 ID 的脚底点从区域外变成区域内，才触发报警；如果一开始就在区域内，只记录不报警。这样能过滤掉在区域内工作的人，只抓真正闯入的。
# 简化轨迹过滤：记录上一帧脚底点是否在区域内 track_history = {} # id -> last_inside def check_intrusion_with_track(track_id, foot_point, zone): inside = cv2.pointPolygonTest(zone, foot_point, False) >= 0 last_inside = track_history.get(track_id, False) track_history[track_id] = inside # 只有从外到内才报警 return inside and not last_inside这个逻辑需要配合目标跟踪，YOLOv8 本身不带跟踪，可以用 ByteTrack 或简单的 IOU 匹配。如果不想引入跟踪库，用检测框的 IOU 做前后帧关联也能凑合，但人走动快时容易断。我一般会加一个最大丢失帧数，超过 10 帧没匹配上就删除轨迹。
最后说一个验证方法：不要只看 mAP，用一段 10 分钟的车间视频跑一遍，统计误报次数和漏报次数。误报包括区域外人员被误判、非人员目标被误判；漏报包括真实闯入没报警。我自己的经验是，mAP50 到 0.9 以上，实际误报仍然可能每小时好几次，必须靠区域逻辑和轨迹过滤压下去。这套系统值不值得做，取决于你能不能接受「检测模型只负责找人，业务逻辑负责判断」这个分工。我踩过最大的坑就是试图让模型直接学「闯入」行为，结果标注成本翻倍，效果还差。把问题拆开，每一层都简单可控，才是工程落地的习惯。希望帮到你。
本文还有配套的精品资源，点击获取
