PPE Detection YOLOv8n（6 Classes）v1

本版本作为可信 PT 导出源与回滚版本保留；对应 ONNX 制品见 ppe-6classes-yolov8n@2。

注册信息

字段	值
Model ID	`ppe-6classes-yolov8n@1`
注册名称	`PPE Detection YOLOv8n (6 Classes)`
Backend	`ultralytics-yolo`
任务	六类 PPE 正向目标检测
权重	`models/detection/ppe-6classes-yolov8n/v1/best.pt`
权重格式	PyTorch/Ultralytics `.pt` checkpoint
SHA256	`07172ef3ae9e256c40a1fb0ce3eefe5547d90170645aa73dded0fffc382cdb31`

Model ID 的 @1 与本目录的 v1 对应。替换权重前必须重新核对 SHA256、checkpoint 标签和评估结果；不兼容的新权重应注册为新版本，不能覆盖本文件记录的 v1。

有序标签

checkpoint 的类别编号必须与下表严格一致，大小写也不能改变：

ID	标签
0	`Gloves`
1	`Vest`
2	`goggles`
3	`helmet`
4	`mask`
5	`safety_shoe`

这六个类别都表示“画面中检测到对应装备”。模型没有 Person 或 No-* 类，不能把 “没有检测到 helmet”直接解释为“某个人没有佩戴安全帽”。如需人员违规判断，必须增加人员检测、人员与 PPE 空间关联以及缺失判定逻辑。

输入与运行参数

输入必须是已经解码的 packed BGR8 或 RGB8 图像，buffer 大小为 width × height × 3；adapter 会把 RGB8 转换为 backend 使用的 BGR 顺序。
训练/常用推理尺寸为 640；实际推理尺寸由 model_options.imgsz 控制。
当前项目锁定的 Ultralytics 版本为 8.4.31。部署 .pt 时还需要与目标设备匹配的 PyTorch 运行时。
CPU 部署使用 device: cpu、half: false。CUDA/Jetson 必须使用与驱动或 JetPack 匹配的独立环境，不能只修改 device。

常用参数：

参数	说明
`weights`	本模型权重路径，必填
`device`	`cpu`、`cuda:0` 或非负 GPU 编号
`imgsz`	推理尺寸，默认 `640`
`iou`	NMS IoU 阈值，默认 `0.70`
`half`	是否使用 FP16，CPU 应保持 `false`
`max_det`	单帧最大检测框数
`agnostic_nms`	是否启用类别无关 NMS

YAML 示例

以下相对路径假定从仓库根目录启动：

detector:
  uses: detection.model@1
  with:
    model: ppe-6classes-yolov8n@1
    detect_labels:
      - Gloves
      - Vest
      - goggles
      - helmet
      - mask
      - safety_shoe
    confidence: 0.50
    max_fps: 10
    attach_frame: false
    model_options:
      weights: models/detection/ppe-6classes-yolov8n/v1/best.pt
      device: cpu
      imgsz: 640
      iou: 0.70
      half: false
      max_det: 100

训练与评估摘要

原模型说明记录了 YOLOv8n 基础模型、50 个 epoch、imgsz=640、batch=32，以及以下近似结果：

指标	原说明记录值
mAP50	`~0.81`
mAP50-95	`~0.53`
Precision	`~0.80`
Recall	`~0.74`

原说明记录的逐类 mAP50 约为：Gloves 0.69、Vest 0.90、goggles 0.90、 helmet 0.90、mask 0.80、safety_shoe 0.64。这些数据未由 cmvr-edge-ai 在目标园区数据上独立复现，不能替代部署前的现场验证。

限制与风险

低照度、运动模糊、远距离小目标、遮挡和不同地区的 PPE 外观会降低准确率。
原数据存在类别不均衡，goggles 和 safety_shoe 等类别应重点做现场回归测试。
模型只检测 PPE 的出现，不进行人员检测、目标跟踪或人员/PPE 归属判断。
不应在没有人工复核的情况下用于处罚、法律执法或其他高风险决定。
摄像采集和平台上报仍需遵守工作场所隐私、告知和数据保留要求。

许可证与来源

原模型卡声明权重许可证为 MIT。
模型基于 Ultralytics YOLOv8；Ultralytics 软件及商业使用可能受其许可证约束，部署方必须自行核对当前适用条款。
原模型说明称训练数据为自定义 Roboflow 格式 PPE 数据集，但没有在本目录提供完整的数据授权链。部署方应在商业或高风险使用前核对数据来源和许可。
本目录只记录 v1 .pt；v2 ONNX 制品在相邻版本目录维护。
权重来源为 Hugging Face 上的 Tanishjain9/yolov8n-ppe-detection-6classes；仓库内以本目录路径和上述 SHA256 作为部署制品标识。

4.5 KiB Raw Permalink Blame History Unescape Escape