图片有些加载失败，推荐查看原文：https://blog.51cto.com/wzqgzs/12941644

背景：

在现代城市建设和工业发展中，工地安全一直是备受关注的焦点。随着城市化进程的加快，建筑工地数量激增，随之而来的安全事故也时有发生。其中，夜间或光线不足环境下的工地作业安全问题尤为突出。在这样的背景下，工地反光衣作为提高工人可见性、降低事故风险的重要防护装备，其正确使用和有效检测显得尤为重要。

反光衣，也称为高能见度服装，通过特殊的反光材料能够在光线照射下反射强烈的光线，使得穿着者在低光照条件下更容易被车辆和行人识别，从而有效预防交通事故和工地事故。然而，仅仅提供反光衣并不能保证其在所有情况下都能发挥应有的作用。反光衣的破损、污渍遮挡、不当穿着等问题都可能削弱其反光效果，增加安全风险。

因此，开发一个工地反光衣检测系统，对于确保工地安全、提高工作效率、降低事故率具有重要意义。该系统能够自动检测工人是否穿着反光衣、反光衣是否符合安全标准以及是否正确穿着，从而为工地安全管理提供技术支持。通过实时监控和预警，该系统有助于提升工地安全管理水平，保障工人的生命安全，同时也符合国家安全生产的法律法规要求。

软件介绍：

软件由微智启软件工作室基于yolov8目标检测+pyside6可视化源码库开发，运行在window系统，项目的尺寸是固定1489x759像素，推荐在1920x1080像素环境下使用，安装环境后，可以在pycharm或者vscode编辑器运行检测，推荐安装GPU版（有英伟达显卡）环境。可以拖动到Qt编辑器，自定义修改样式。

项目介绍：

该项目文件包含python代码、ui界面源文件、反光衣数据集（数据集详情看下文）+yolov8训练好的模型

①程序中图片和图标的存放位置，可以如果想快速替换里面的图片或者图标。只需把同名（以及后缀名）的图片，放到icon中替换即可。

②运行检测后结果的保存位置，每启动检测一次，就会在runs文件夹中生成一个新的文件夹

③yolov8的核心检测代码（官方原版代码）

④当程序启动时，会从config.json中加载数据，里面存放着上一次的测试信息（包含conf、iou、weights权重的路径，是否保存结果）。当程序关闭时，也会把当前的配置信息，重新存入config.json中。

⑤运行项目所需python库版本信息

⑥wzq.py是程序启动的入口，安装好环境依赖后，右键运行wzq.py启动程序

⑦它是ui文件（yolov8Qt.ui）通过pyside6转换成python代码得到的，也是图形化界面的代码

⑧图形化界面的ui源文件，可以拖动到qt编辑器修改界面，修改保存后，通过pyside6转成python代码（也就是替换之前的⑦的yolov8Qt.py文件），重新运行wzq.py就能看到新的图形界面

⑨和⑩是程序⑥（wzq.py）的两个类，它们分别是

• 【class MyThread】，它负责进行对测试资源进行推理，画框等操作，也就是检测的主要逻辑代码，检测完毕后通过信号槽发送数据给【class MainWindow】类显示到窗口。
• 【class MainWindow】主要是图形化界面的一些方法，负责连接图形界面的一些按钮事件，绑定对应的方法，点击按钮后，执行什么操作由它控制。

为了方便阅读，把模型原有的英文标签名称修改成了中文的，如需原有英文，可以使用原有方案（上方注释的代码）

检测数据类型

1. 图片（单图检测）
2. 视频（mp4等离线视频）
3. 电脑摄像头（例如USB或者笔记本自带摄像头）
4. 文件夹（图片批量检测）

项目功能

1. 默认提供strawberry.pt模型，该模型是使用yolov8训练了200轮得到的，模型和数据集的具体详情，查看下方介绍
2. 支持同时显示检测结果图和原图，方便对比
3. 提供了暂停/终止检测功能
4. 提供检测进度条显示，掌控检测进度
5. 实时统计当前帧检测到的数量
6. 实时统计当前帧检测所消耗的时间（毫秒为单位）
7. 支持动态调整conf（置信度）、iou的值，以及是否保存检测结果（结果默认生成在runs文件夹）
8. 对检测到的类别，会进行分类统计，实时显示在右下角

项目运行指南

一、视频教程

anaconda和pycharm加载项目视频教程：  ​​https://www.bilibili.com/video/BV1Q96NYkEQM/​​

项目环境依赖视频教程：  ​​https://www.bilibili.com/video/BV19ez1YREdF/​​

二、图文教程

1、在anaconda创建独立虚拟环境

conda create -n strawberry python=3.8

2、在pycharm加载项目，添加刚刚创建的解释器，在终端运行如下代码

注：如想安装GPU版环境，需要先删除requestments.txt里面的torch和torchvision项，否则默认是CPU版环境

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

3、安装完环境后，右键运行wzq.py文件启动（如果是安装GPU版，需要执行第4步才能运行）

4、如果在上述步骤2中删除了torch和torchvision项，想安装GPU版环境，执行下方命令安装GPU版pytorch

conda install pytorch==1.11.0 torchvisinotallow==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

运行检测效果图

界面样式修改

提供了ui源文件，可以拖动到Qt编辑器中自定义修改颜色界面样式，具体的修改方法，可以参考：​​ https://blog.51cto.com/wzqgzs/9845010​​

数据集介绍：

这个是反光衣检测数据集，数据集内标注了反光衣和非反光衣（普通衣服）2种，已经划分好训练集和验证集分别是1857和531，共计2388张

全部数据集已经标注并且是txt格式，可以直接用于yolo目标检测的训练。

nc: 2

names: 

0: reflective_clothes

1: other_clothes

下方是yolov8训练200轮的结果