Construction PPE YOLOv8s v1

注册信息

字段	值
Model ID	`construction-ppe-yolov8@1`
注册名称	`Construction PPE YOLOv8s`
Backend	`ultralytics-yolo`
任务	施工/园区人员 PPE、PPE 缺失违规及部分现场设备检测
权重	`models/detection/construction-ppe-yolov8/v1/best.pt`
权重格式	PyTorch/Ultralytics `.pt` checkpoint
SHA256	`31ef3ca04a17cf545f3fcfc64c4af8993a41d52ccc460e82aff01d5354603533`

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：

ID	标签	ID	标签
0	`Boots`	10	`No-Helmet`
1	`Ear-Protection`	11	`No-Mask`
2	`Glass`	12	`No-Vest`
3	`Glove`	13	`Worker`
4	`Hard_hat`	14	`Vest`
5	`Mask`	15	`Circular_Saw`
6	`No-Boots`	16	`Fire_Extinguisher`
7	`No-Ear-Protection`	17	`Fire_prevention_Net`
8	`No-Glass`	18	`Welding_Equipment`
9	`No-Glove`

No-* 是模型直接输出的违规类别，不是框架根据正向 PPE 标签缺失推导出的结果。

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: construction-ppe-yolov8@1
    detect_labels:
      - No-Boots
      - No-Ear-Protection
      - No-Glass
      - No-Glove
      - No-Helmet
      - No-Mask
      - No-Vest
    confidence: 0.50
    max_fps: 10
    attach_frame: true
    model_options:
      weights: models/detection/construction-ppe-yolov8/v1/best.pt
      device: cpu
      imgsz: 640
      iou: 0.70
      half: false
      max_det: 100

训练与评估摘要

原模型说明记录了约 13,000 张训练图像、60 个 epoch，以及以下近似结果：

指标	原说明记录值
mAP50	`~0.76`
mAP50-95	`~0.43`
Precision	`~0.81`
Recall	`~0.72`

这些数据来自原模型说明，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

Ear-Protection 样本不足，相关正向或违规结果应谨慎使用。
Boots、No-Ear-Protection、No-Glove 等类别可能出现漏检。
远距离小目标、遮挡、运动模糊、低照度、摄像机角度和区域性 PPE 样式会影响效果。
模型尚未证明能泛化到所有园区、工地或人群；告警应用应保留人工复核。
模型同时检测人员、PPE 和现场设备，但不提供目标跟踪，也不保证每件 PPE 与具体人员的空间关联正确。

许可证与来源

原模型卡声明权重许可证为 Apache-2.0。
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。
训练数据由多个公开来源合并，原说明指出主要来自 Roboflow，并包含其他 GitHub 来源；各底层数据集可能有独立许可证。当前模型卡不能替代对训练数据授权链的审查。
权重来源为 Hugging Face 上的 killuminati1/construction-ppe-yolov8；仓库内以本目录路径和上述 SHA256 作为部署制品标识。

4.3 KiB Raw Blame History Unescape Escape