基于YOLO11的手机违规使用检测模型训练实战

基于YOLO11的手机违规使用检测模型训练实战

项目背景

在现代社会，手机的普及带来了便利，但在某些场景下（如课堂、会议、驾驶等），手机的不当使用可能造成安全隐患或影响效率。本项目基于深度学习技术，开发了一个能够自动检测手机违规使用行为的智能系统。

技术方案

模型选择

我们选择了YOLO11n作为基础模型，这是YOLO系列的最新版本，具有以下优势：

• 高效性：推理速度快，适合实时检测
• 准确性：在目标检测任务上表现优异
• 轻量化：模型体积小，便于部署
• 易用性：支持多种部署方式，API简洁

算法原理

YOLO（You Only Look Once）是一种单阶段目标检测算法，其核心思想是将目标检测问题转化为回归问题。YOLO11在前代基础上进行了以下改进：

1. 网络架构优化：采用更高效的骨干网络
2. 损失函数改进：引入DFL（Distribution Focal Loss）
3. 数据增强策略：更智能的Mosaic和MixUp
4. 后处理优化：改进的NMS算法

环境配置

# 安装依赖
pip install ultralytics
pip install torch torchvision
pip install opencv-python
pip install matplotlib

# 验证安装
import ultralytics
print(f"Ultralytics版本: {ultralytics.__version__}")

数据集构建

数据组织结构

data/
├── train/
│   ├── 0_phone/          # 包含手机使用行为的图片
│   │   ├── JPEGImages/    # 原始图片
│   │   ├── labels/        # YOLO格式标注文件
│   │   └── Annotations/   # XML格式标注文件
│   └── 1_no_phone/       # 不包含手机使用行为的图片
└── yolo_dataset/         # 自动生成的训练验证集
    ├── images/
    └── labels/

数据统计

• 总图片数量：8,201张
• 训练集：6,560张（80%）
• 验证集：1,641张（20%）
• 标注目标数：1,676个手机目标

训练配置

核心参数设置

# 模型配置
model: models/yolo11n.pt
task: detect
mode: train

# 训练参数
epochs: 100
batch: 16
imgsz: 640
device: '0'  # GPU训练
workers: 4

# 数据增强
cache: true
cos_lr: false
close_mosaic: 10

# 验证设置
val: true
iou: 0.7
max_det: 300

数据预处理

图像预处理流程

def preprocess_image(image_path, target_size=640):
    """
    图像预处理函数
    """
    import cv2
    import numpy as np
    
    # 读取图像
    img = cv2.imread(image_path)
    h, w = img.shape[:2]
    
    # 计算缩放比例
    scale = min(target_size/w, target_size/h)
    new_w, new_h = int(w*scale), int(h*scale)
    
    # 缩放图像
    img_resized = cv2.resize(img, (new_w, new_h))
    
    # 填充到目标尺寸
    img_padded = np.full((target_size, target_size, 3), 114, dtype=np.uint8)
    img_padded[:new_h, :new_w] = img_resized
    
    return img_padded, scale

标注格式转换

def xml_to_yolo(xml_path, img_width, img_height):
    """
    将XML标注转换为YOLO格式
    """
    import xml.etree.ElementTree as ET
    
    tree = ET.parse(xml_path)
    root = tree.getroot()
    
    yolo_annotations = []
    for obj in root.findall('object'):
        class_name = obj.find('name').text
        if class_name == 'phone':
            class_id = 0
            
            bbox = obj.find('bndbox')
            xmin = float(bbox.find('xmin').text)
            ymin = float(bbox.find('ymin').text)
            xmax = float(bbox.find('xmax').text)
            ymax = float(bbox.find('ymax').text)
            
            # 转换为YOLO格式
            x_center = (xmin + xmax) / 2.0 / img_width
            y_center = (ymin + ymax) / 2.0 / img_height
            width = (xmax - xmin) / img_width
            height = (ymax - ymin) / img_height
            
            yolo_annotations.append(f"{class_id} {x_center} {y_center} {width} {height}")
    
    return yolo_annotations

• 图像尺寸：统一调整为640×640像素
• 数据增强：使用YOLO内置的数据增强策略
• 标注格式：YOLO格式（类别ID + 归一化边界框坐标）

模型训练实现

训练脚本核心代码

from ultralytics import YOLO
import os
from datetime import datetime

def train_phone_detection():
    """
    手机检测模型训练主函数
    """
    # 检查GPU可用性
    import torch
    device = 'cuda' if torch.cuda.is_available() else 'cpu'
    print(f"使用设备: {device}")
    
    # 加载预训练模型
    model = YOLO('models/yolo11n.pt')
    
    # 训练参数配置
    results = model.train(
        data='data/data.yaml',
        epochs=100,
        imgsz=640,
        batch=16,
        device=device,
        project='phone_results',
        name=f'yolo11n_phone_{datetime.now().strftime("%Y%m%d_%H%M%S")}',
        save=True,
        plots=True,
        val=True
    )
    
    return results

if __name__ == '__main__':
    train_phone_detection()

数据集配置文件

# data.yaml
path: data/yolo_dataset
train: images/train
val: images/val

nc: 1  # 类别数量
names: ['phone']  # 类别名称

训练过程与结果

训练进度监控

从训练曲线可以看出：

• 损失函数：各项损失（box_loss、cls_loss、dfl_loss）均稳定下降
• 精度指标：mAP50在训练过程中持续提升
• 收敛性：模型在100个epoch内达到良好收敛

关键性能指标

最终训练结果（第100轮）

• Precision（精确率）：0.960
• Recall（召回率）：0.939
• mAP50：0.976
• mAP50-95：0.598

性能分析

混淆矩阵分析

混淆矩阵显示模型具有优秀的分类性能，误检率和漏检率都控制在较低水平。

训练样本可视化

训练批次样本

验证结果对比

真实标签 vs 预测结果

从对比图可以看出，模型的预测结果与真实标签高度一致，证明了训练的有效性。

数据分布分析

技术亮点

1. 智能数据分割

• 自动将数据集按8:2比例分割为训练集和验证集
• 确保数据分布的均衡性

2. 多格式标注支持

• 支持XML和YOLO格式标注文件
• 自动转换和验证标注格式

3. 完整的训练流程

• 从数据预处理到模型训练的端到端解决方案
• 详细的训练日志和可视化结果

4. 模型优化

• 使用预训练权重加速收敛
• 合理的学习率调度策略
• 有效的数据增强技术

部署与应用

模型文件

• 最佳模型 ：phone_best.pt
• 最后模型 ：weights/last.pt
• 模型大小：约6MB（YOLO11n）

模型推理代码

from ultralytics import YOLO
import cv2

def detect_phone_usage(image_path, model_path='phone_best.pt'):
    """
    手机使用检测推理函数
    """
    # 加载训练好的模型
    model = YOLO(model_path)
    
    # 进行推理
    results = model(image_path)
    
    # 处理结果
    for result in results:
        boxes = result.boxes
        if boxes is not None:
            for box in boxes:
                # 获取边界框坐标
                x1, y1, x2, y2 = box.xyxy[0].cpu().numpy()
                confidence = box.conf[0].cpu().numpy()
                
                print(f"检测到手机，置信度: {confidence:.2f}")
                print(f"位置: ({x1:.0f}, {y1:.0f}, {x2:.0f}, {y2:.0f})")
    
    return results

# 批量检测示例
def batch_detection(image_folder):
    """
    批量检测文件夹中的图片
    """
    model = YOLO('phone_best.pt')
    
    for filename in os.listdir(image_folder):
        if filename.lower().endswith(('.jpg', '.jpeg', '.png')):
            image_path = os.path.join(image_folder, filename)
            results = model(image_path)
            
            # 保存检测结果
            for i, result in enumerate(results):
                result.save(f'output/{filename}_result.jpg')

应用场景

1. 教育场景：课堂手机使用监控
2. 交通安全：驾驶时手机使用检测
3. 工作场所：会议室手机使用管理
4. 公共场所：图书馆等安静区域监控
5. 考试监控：考场违规行为检测
6. 安全驾驶：车载系统集成应用

性能特点

• 检测精度：mAP50达到97.6%
• 推理速度：支持实时检测
• 部署灵活：支持CPU和GPU推理

总结与展望

本项目成功构建了一个高精度的手机违规使用检测模型，主要成果包括：

1. 高精度检测：在测试集上达到97.6%的mAP50
2. 完整工程化：从数据处理到模型训练的完整流程
3. 可视化分析：丰富的训练过程可视化和结果分析
4. 实用性强：模型轻量化，适合实际部署

模型优化技巧

1. 数据增强策略

# 自定义数据增强
from albumentations import Compose, HorizontalFlip, RandomBrightnessContrast

augmentations = Compose([
    HorizontalFlip(p=0.5),
    RandomBrightnessContrast(p=0.3),
    # 更多增强策略...
])

2. 超参数调优

• 学习率调度：使用余弦退火策略
• 批次大小：根据GPU内存调整
• 图像尺寸：平衡精度和速度

3. 模型集成

# 多模型集成推理
def ensemble_predict(image_path, models):
    predictions = []
    for model in models:
        result = model(image_path)
        predictions.append(result)
    
    # 结果融合逻辑
    return merge_predictions(predictions)

性能监控与分析

训练监控脚本

import matplotlib.pyplot as plt
import pandas as pd

def plot_training_metrics(results_csv):
    """
    绘制训练指标曲线
    """
    df = pd.read_csv(results_csv)
    
    fig, axes = plt.subplots(2, 2, figsize=(12, 8))
    
    # 损失曲线
    axes[0,0].plot(df['epoch'], df['train/box_loss'], label='Box Loss')
    axes[0,0].plot(df['epoch'], df['train/cls_loss'], label='Class Loss')
    axes[0,0].set_title('Training Loss')
    axes[0,0].legend()
    
    # 精度指标
    axes[0,1].plot(df['epoch'], df['metrics/precision(B)'], label='Precision')
    axes[0,1].plot(df['epoch'], df['metrics/recall(B)'], label='Recall')
    axes[0,1].set_title('Precision & Recall')
    axes[0,1].legend()
    
    # mAP指标
    axes[1,0].plot(df['epoch'], df['metrics/mAP50(B)'], label='mAP50')
    axes[1,0].plot(df['epoch'], df['metrics/mAP50-95(B)'], label='mAP50-95')
    axes[1,0].set_title('mAP Metrics')
    axes[1,0].legend()
    
    # 学习率
    axes[1,1].plot(df['epoch'], df['lr/pg0'], label='Learning Rate')
    axes[1,1].set_title('Learning Rate Schedule')
    axes[1,1].legend()
    
    plt.tight_layout()
    plt.savefig('training_analysis.png', dpi=300)
    plt.show()

未来改进方向

1. 多类别扩展：支持更多电子设备的检测
2. 行为分析：结合姿态估计进行更精细的行为分析
3. 边缘部署：针对移动设备和嵌入式系统的优化
4. 实时预警：集成报警系统，实现实时违规提醒
5. 模型压缩：使用知识蒸馏和量化技术
6. 多模态融合：结合音频信号进行综合判断

---