# YOLO_Mask_Wearing_detection

**Repository Path**: DY_DaoYi/YOLO_Mask_Wearing_detection

## Basic Information

- **Project Name**: YOLO_Mask_Wearing_detection
- **Description**: 开源毕设：基于YOLO的佩戴口罩检测系统
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-03
- **Last Updated**: 2026-04-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 😷 基于 YOLO 的佩戴口罩检测系统 (Mask Wearing Detection System)

![Python](https://img.shields.io/badge/Python-3.11.15-blue)
![Streamlit](https://img.shields.io/badge/Streamlit-1.55.0-red)
![YOLO](https://img.shields.io/badge/YOLO-v8%20%7C%20v11%20%7C%20v26-green)
![License](https://img.shields.io/badge/License-MIT-yellow)

本项目是一个功能完整的佩戴口罩智能检测系统。基于最新的 Ultralytics YOLO 系列模型构建，能够识别是否佩戴口罩。本项目提供了美观、易用的 Streamlit Web 交互界面，非常适合作为**本科毕业设计**的参考与展示。

> **⚠️ 关于本项目 (About This Project)**
>
> 本仓库**开源了系统的前端交互应用（App）源码及训练数据可视化模块**。
>
> **🔗 开源地址**：
> *   **Gitee**：[点击访问](https://gitee.com/DY_DaoYi/YOLO_Mask_Wearing_detection)
> *   **GitHub**：[点击访问](https://github.com/DY-DaoYi/YOLO_Mask_Wearing_detection)
>
> **🛒 核心模型与训练源码资源包 (Core Models & Training Codes) 包含：**
> 1.  **核心训练代码**：包含 **train.py (单模型)** 和 **train_batch.py (批量实验)**，支持断点续训和自动批量大小（autobatch），训练完成后自动生成 GPU 耗时、成本估算和 mAP 评估报告。
> 2.  **全系列模型权重与训练日志**：包含 **YOLOv8 / YOLO11 / YOLO26** 三个系列的 `best.pt` 模型文件，以及完整的训练日志、Loss 曲线图、mAP 指标图和混淆矩阵等评估图表，直接用于论文插图。
> 3.  **（赠品）数据集**：本项目使用 [Roboflow Mask Wearing Dataset](https://universe.roboflow.com/joseph-nelson/mask-wearing/dataset/19) 的开源数据集。
>     *   *说明：数据集本身是免费开源的。但由于国内网络环境下载困难，我在资源包中免费提供了已整理好的数据集压缩包，方便大家直接使用。*
>
> **📥 立即获取资源包：**
> *   🍞 **面包多**：[点击购买](https://mbd.pub/o/bread/YZWclZxwZQ==)（**8.5折优惠**）
> *   🐟 **闲鱼**：[点击购买](https://m.tb.cn/h.ilbGNNA?tk=cNwl53farwu)
>
> （推荐使用面包多，8.5折优惠且自动发货）

---

## ✨ 核心功能亮点 (Features)

*   **🚀 多模型兼容**: 系统无缝支持 `YOLOv8`、`YOLO11` 以及最新的 `YOLO26` 模型，用户可在侧边栏一键切换，实时对比不同模型的检测效果。
*   **📷 多模态检测**: 支持上传单张图片进行快速检测，也支持导入 `MP4/MKV/AVI` 等格式的视频文件（内置转码功能，确保在浏览器中流畅播放）。
*   **📦 批量处理引擎**: 针对大量数据，提供批量检测功能。系统会自动统计各类别数量，并生成包含详细信息的 CSV 表格。
*   **📑 自动报告生成**: 一键生成专业的 PDF 检测报告，包含检测综述、类别统计和样张展示，可直接用于作业或汇报。
*   **📊 训练可视化**: 独家内置**模型性能对比面板**。无需手动绘制，系统自动解析训练日志，生成专业的 mAP 和 Loss 对比图，助你轻松完成毕设论文的实验分析章节。
*   **🇨🇳 全中文支持**: 从界面菜单到检测框标签（如"佩戴口罩"、"未佩戴口罩"等状态），全部采用中文显示，符合国内用户习惯。

---

## 📺 系统演示 (Demo)

> **🎥 视频演示 (Video Demo)**
>
> 点击下方图标，跳转至各大视频平台查看系统的详细运行演示：
>
> | 哔哩哔哩 (Bilibili) | 抖音 (Douyin) | 小红书 (Xiaohongshu) | 快手 (Kuaishou) |
> | :---: | :---: | :---: | :---: |
> | [![Bilibili](https://img.shields.io/badge/Bilibili-演示视频-pink?style=for-the-badge&logo=bilibili)](https://www.bilibili.com/video/BV1WTSSBvE2m/) | [![抖音](https://img.shields.io/badge/抖音-演示视频-black?style=for-the-badge&logo=tiktok)](https://v.douyin.com/MpTXF1W5Lcs/) | [![Xiaohongshu](https://img.shields.io/badge/小红书-演示视频-red?style=for-the-badge&logo=xiaohongshu)](https://www.xiaohongshu.com/discovery/item/69d218e3000000001d01a7e4?source=webshare&xhsshare=pc_web&xsec_token=YB-DD-ndtKIY-3EhAZRrsqjYJ3NPNJvbs19GI6MqCpd-w=&xsec_source=pc_share) | [![Kuaishou](https://img.shields.io/badge/快手-演示视频-green?style=for-the-badge&logo=kuaishou)](https://www.kuaishou.com/f/X-8FnYzlre3QXvI5) |


---

## 🛠️ 快速开始 (Quick Start)

### 第一阶段：部署开源版（运行系统界面）

此步骤将教你如何运行本仓库的开源代码，体验系统的 UI 交互功能。

1.  **环境准备 (Environment Setup)**
    *   **安装 Anaconda**: 如果你还没有安装 Anaconda，请参考[此教程](https://tcn196ka4swf.feishu.cn/wiki/AE1lwBz5EilnrukWYDTcmzQknNd?from=from_copylink)进行安装。
    *   **打开终端 (Important)**:
        *   **方法 A (推荐)**: 进入本项目文件夹，在地址栏输入 `cmd` 并回车，即可直接在当前目录下打开终端。
        *   **方法 B**: 打开终端后，使用 `cd` 命令跳转到项目目录（例如：`cd D:\毕设\YOLO_farms_multi-species_detection`）。
    *   **配置国内镜像源 (推荐)**:
        如果你在国内网络环境下，建议配置清华源以加速下载：
        ```bash
        conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
        conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
        conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
        conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
        ```
    *   **创建并激活环境**:
        ```bash
        conda create -n task1 python=3.11.15 -y
        conda activate task1
        ```
    *   **安装 PyTorch (关键步骤)**:
        本项目基于 PyTorch 2.5.1 开发。推荐访问 [PyTorch 官网](https://pytorch.org/get-started/locally/) 获取最适合你机器的安装命令。

        或者，你可以直接使用以下常用命令（请根据你的显卡驱动版本选择）：
        *   **方案 A (推荐新显卡/CUDA 12.1)**:
            ```bash
            conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia -y
            ```
        *   **方案 B (兼容旧显卡/CUDA 11.8)**:
            ```bash
            conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y
            ```
        *   **方案 C (无显卡/仅使用 CPU)**:
            ```bash
            conda install pytorch torchvision torchaudio cpuonly -c pytorch -y
            ```

2.  **安装依赖**
    下载本仓库代码，并安装必要的第三方库：
    ```bash
    pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn
    ```

3.  **运行系统**
    在终端中执行以下命令：
    ```bash
    streamlit run app/app.py
    ```
    成功后，浏览器会自动打开系统界面。
    *注意：此时由于没有加载模型文件，点击检测可能会提示"未找到模型"。*

### 后续每次运行系统

以后每次使用本项目时，只需按以下步骤操作：

1.  **进入项目目录**: 使用文件管理器进入本项目文件夹
2.  **打开终端**: 在地址栏输入 `cmd` 并回车，即可直接在当前目录下打开终端
3.  **激活环境**:
    ```bash
    conda activate task1
    ```
4.  **启动系统**:
    ```bash
    streamlit run app/app.py
    ```

### 第二阶段：加载模型（开启检测功能）

为了让系统能够识别佩戴口罩状态，你需要加载训练好的 YOLO 模型文件（`.pt`）。

#### 🅰️ 如果你购买了资源包 (推荐)
资源包中已包含 **YOLOv8 / YOLO11 / YOLO26** 全系列训练好的高精度模型。
1.  **解压资源包**：找到 `models` 文件夹。
2.  **复制文件**：将整个 `models` 文件夹直接复制到本项目的根目录下。
3.  **完成**：刷新网页，侧边栏会自动加载所有模型。

#### 🅱️ 如果你自己训练模型
如果你自行训练了模型：
1.  **新建文件夹**：在项目根目录下创建一个名为 `models` 的文件夹。
2.  **放置模型**：将你训练得到的 `best.pt` 文件复制到 `models/` 文件夹中（建议重命名为清晰的名称，如 `yolo11m_mask_wearing.pt`）。
3.  **完成**：刷新网页，即可在侧边栏选择你的模型进行检测。

> 📖 **详细训练教程**: 如果你想自己训练模型，请查看 [训练指南](training/README.md)

---

## 📂 项目结构 (Project Structure)

```text
YOLO_Mask_Wearing_detection/
├── app/
│   ├── app.py          # Streamlit 系统主入口
│   ├── analysis.py     # 训练日志分析与绘图模块
│   └── report_gen.py   # PDF 报告生成模块
├── data/               # 训练数据集 (Images/Labels)
│   └── Mask_Wearing/   # 佩戴口罩数据集 (2类)
├── models/              # 训练好的模型文件 (.pt)
├── training/            # 模型训练代码
│   ├── train.py         # 单模型训练脚本
│   └── train_batch.py   # 批量训练脚本
├── runs/                # 训练输出目录
├── docs/                # 演示图片与文档
├── requirements.txt     # 项目依赖库列表
└── README.md            # 项目说明文档
```
*(注：`data/` (数据集)、`training/*.py` (训练脚本) 和 `models/*.pt` (模型文件) 为资源包专有内容，未包含在开源仓库中。)*

## 📊 数据集信息 (Dataset Information)

本项目使用 [Roboflow Mask Wearing Dataset](https://universe.roboflow.com/joseph-nelson/mask-wearing/dataset/19) 开源数据集，主要用于检测**佩戴口罩状态**。

### 😷 类别信息

| 英文名 | 中文名 |
|--------|--------|
| mask | 佩戴口罩 |
| no-mask | 未佩戴口罩 |

### 📷 图片数量

| 数据集 | 图片数量 |
|--------|----------|
| 训练集 | 1366 张 |
| 验证集 | 368 张 |
| 测试集 | 200 张 |

> **💡 说明**：数据集本身是免费开源的。但由于国内网络环境下载困难，资源包中免费提供了已整理好的数据集压缩包，方便大家直接使用。

---

## 💰 训练成本核算 (Training Cost Analysis)

> 📊 **实际训练数据**: 查看 [训练总结报告](models/summary.md)，包含15个模型的真实训练耗时、成本

以下是基于国内主流 GPU 云服务商（如 AutoDL）的成本估算逻辑：

1.  **硬件配置**: NVIDIA A800 80GB PCIe
2.  **训练规模**:
    *   **模型数量**: 15 个模型 (YOLOv8/11/26 系列 x n/s/m/l/x 五种规格)
    *   **训练轮数**: 100 Epochs / 模型
3.  **实际耗时与成本**:
    *   *总耗时*: 6 小时 7 分 (约 6.13 小时)
    *   *云服务器费率*: ¥9.35 / 小时
    *   **总算力成本**: **6.13 小时 x ¥9.35 ≈ ¥57.31**

> **💡 省钱建议**: 自己租用服务器复现所有实验不仅耗时耗力，且算力成本往往高于直接获取成品。
>
> **🛒 核心模型与训练源码资源包 (Core Models & Training Codes) 包含：**
> 1.  **核心训练代码**：包含 **train.py (单模型)** 和 **train_batch.py (批量实验)**，支持断点续训和自动批量大小（autobatch），训练完成后自动生成 GPU 耗时，成本估算和 mAP 评估报告。
> 2.  **全系列模型权重与训练日志**：包含 **YOLOv8 / YOLO11 / YOLO26** 三个系列的 `best.pt` 模型文件，以及完整的训练日志、Loss 曲线图、mAP 指标图和混淆矩阵等评估图表，直接用于论文插图。
> 3.  **（赠品）数据集**：整理好的 Ultralytics 开源数据集压缩包。
>
> **📥 立即获取资源包：**
> *   🍞 **面包多**：[点击购买](https://mbd.pub/o/bread/YZWclZxwZQ==)（**8.5折优惠**）
> *   🐟 **闲鱼**：[点击购买](https://m.tb.cn/h.ilbGNNA?tk=cNwl53farwu)
>
> （推荐使用面包多，8.5折优惠且自动发货）

> ---

## 👨‍💻 更多项目 & 联系作者 (More Projects & Contact)

### 💎 付费版毕设 (Premium Thesis Project)

#### 🌟 核心优势 (Core Advantages)
1.  **🛡️ 原创代码，拒绝查重**：代码由本人原创开发，且每年进行更新迭代，确保代码结构的新颖性，有效规避查重风险。
2.  **🔒 一校一份，防止撞车**：严格执行"一所学校只售出一份"的原则，从源头上杜绝同学之间毕设雷同的尴尬情况。
3.  **👨‍🏫 全程售后，无忧毕业**：提供从购买到答辩结束的全程技术支持。遇到任何代码运行、环境配置或逻辑理解问题，均可直接通过微信联系问询。

#### 📚 包含的全套文档 (Documentation Included)
付费版不仅仅是代码，更包含了一整套完整的毕设文档资料，助你轻松应对论文撰写与答辩：
*   📊 **数据集可视化分析报告**
*   🏗️ **系统架构说明文档**
*   🧠 **YOLO 模型架构与训练参数详解**
*   📈 **模型指标说明文档**
*   ▶️ **项目运行教程**
*   ⚙️ **配置修改指南**

👉 **[查看所有毕设项目介绍 (开源/付费)](https://tcn196ka4swf.feishu.cn/wiki/LXE5wumyNir8MBkLz51ckWnfnTc?from=from_copylink)**


### 🤝 联系方式

如果你需要**付费版毕设**，欢迎联系我！

*   **更多毕设资源**: [👉 点击查看飞书毕设大全](https://tcn196ka4swf.feishu.cn/wiki/LXE5wumyNir8MBkLz51ckWnfnTc?from=from_copylink)

*   **联系方式**:
    *   **微信**: `DY_DaoYi`
    *   **B站 / 抖音 / 小红书**: 搜索 **道易AI** (关注我的个人主页，获取最新消息)
        *   [📺 Bilibili 主页](https://space.bilibili.com/476449751)
        *   [🎵 抖音主页](https://v.douyin.com/_lCSbZ57T6o/)
        *   [📕 小红书主页](https://xhslink.com/m/9d9qHFQbg0w)