前言
本系统是一个完整的基于YOLOV11+pytorch+Flask+SpringBoot+Vue+MySQL的安全帽头盔检测识别系统。
可使用YOLOV1-YOLOV11的任意模型进行目标检测。可以检测图片、视频、摄像头三种方式。能够检测出是否佩戴安全帽或头盔。可应用于工地施工现场、工厂安全检查、电瓶车头盔佩戴等。
技术栈使用YOLO、Pytorch、SpringBoot、MyBatis-Plus、Vue3、Ts、element-plus、Flask、Axios、MySQL等技术。
系统还支持分用户管理。分为管理员和普通用户，管理员可查看所有记录，并管理用户。普通用户只可查看自己的记录。
界面简洁、美观。支持主题色修改、布局样式修改、组件大小修改等。
系统演示视频
1.界面功能介绍
1.登陆注册
系统使用MySQL作为数据库实现登陆注册功能。如下：
2.图像检测
登陆成功后来到系统首页。
在这里可以选择模型、设置最小置信度并上传检测图片完成检测识别功能。
点击开始预测后即可检测识别。可检测识别出是否佩戴安全帽。
这里会显示所有检测结果以及其对应的置信度。
3.视频检测
选择视频检测模块即可检测视频
在这里可以选择模型、设置最小置信度并上传检测视频完成检测识别功能。
点击开始处理后即可检测识别。可检测识别出是否佩戴安全帽。
处理完成后会显示保存进度
4.摄像检测
选择摄像检测模块即可检测摄像头实时内容
在这里可以选择模型、设置最小置信度完成检测识别功能。
点击开始录制后即可检测识别。可检测识别出是否佩戴安全帽。
处理完成后会保存检测内容。
5.图片识别记录
系统会保存用户识别的记录，包括原始图片、预测图片、识别权重、置信度、最小阈值、总用时、识别用户、识别时间等信息。其中会分别记录检测的结果以及置信度。
这里做了权限管理，每个用户只能查看自己的识别记录。但是管理员可以查看所有记录。
下拉内容即可查看详细识别结果
同时也支持模糊查询。
6.视频识别记录
系统会保存用户识别的记录，包括原视频、处理结果、识别权重、最小阈值、识别用户、识别时间等信息。
这里做了权限管理，每个用户只能查看自己的识别记录。但是管理员可以查看所有记录。
点击查看详情可以查看更多信息
这里可以开始播放视频、暂停播放。同时也可拖动视频
同样也支持模糊查询
7.摄像识别记录
系统会保存用户摄像识别的记录，包括处理结果、识别权重、最小阈值、识别用户、识别时间等信息。
这里做了权限管理，每个用户只能查看自己的识别记录。但是管理员可以查看所有记录。
可以查看视频
同样也支持模糊查询。
8.用户管理
管理员可对用户信息进行管理，包括对用户的增删改查
9.个人中心
用户在个人中心可对自己的信息进行修改
10.主题风格修改
系统可以自定义直接修改主题，包括系统整体颜色、组件大小。
支持深色模式、色弱模式、灰色模式等。
还可以自定义样式布局。
11.模型训练
可自己训练模型。数据集在文件中。可重新训练权重。支持训练yolov1-yolov11的所有权重。
训练完成后将权重放到weights目录下即可使用。
2.代码目录介绍
1.yolo_helmet_detection_web文件
这是系统的整体文件，包含：
1.yolo_helmet_detection_flask文件—具体实现YOLO算法的工程文件，使用python语言。
2.yolo_helmet_detection_springboot文件—具体实现系统后端的工程文件，使用SpringBoot框架。
3.yolo_helmet_detection_vue文件—具体实现系统前端Web界面的共工程文件，使用Vue3框架。
4.ffmpeg-7.1-full_build文件—系统所需出视频处理的软件。
5.yolo_detect.sql文件—系统数据库文件。
6.YOLOV11web系统安装部署教程.pdf—系统安装教程。
2.yolo_helmet_detection_flask文件
这是实现系统算法的工程文件。
1.dataset—这是存放系统训练所需的数据集。
2.predict—实现预测的代码。
3.runs–保存训练结果（训练权重和图片信息）以及预测过程中的图片结果和视频结果（临时文件，会删掉）。
4.weights–保存训练权重
5.main.py–主函数。只运行这个即可。
6.train.py–训练文件，可重新训练自己的权重。
3.yolo_helmet_detection_springboot文件
这是实现系统后端的工程文件，具体详细说明files和src文件
1.files—这是存放系统上传图片的文件。
2.src—具体实现后端逻辑的文件。
4.yolo_helmet_detection_vue文件
这是实现系统前端Web界面的共工程文件，具体前端逻辑在src目录中。