第一：安装YOLOv8
pip install ultralytics 第二：自己的训练集
A. 作为参考，您可以从本网站下载。
B. 自己做，可以从这个网站手动标记
C.封装训练数据：需要train、volid、test三个文件
三、开始训练自己的模型
A. 创建您自己的配置文件my_yolov8n.yaml
{
name: [安全帽、面罩、无安全帽、无面罩、无安全背心、人员、安全锥、安全背心、机械、车辆]，
nc: 10,
test: C:*****/测试，
火车： C:*****/火车，
val: C:*****/有效
}注意：对于自身协调的相应变化，names是标签列表，nc是标签数量。
B.训练模型main.py
从ultralytics 导入YOLO
# 加载预训练的YOLO模型（推荐用于训练）
模型=YOLO(\’yolov8n.pt\’)
results=model.train(data=\’my_yolov8n.yaml\’, epochs=1) #由于我没有GPU，所以所有训练都完成一次
#评估模型在验证集上的性能
结果=model.val()
运行结果
C. 开始识别：
准备两张图片：
t1.py文件代码：
从ultralytics 导入YOLO
模型=YOLO(\’./runs/detect/train14/weights/best.pt\’)
rs=model(\’./a2.jpg\’,save=True, imgsz=320,conf=0.5,show_labels=True,classes=[0]) #检查a2图片是否包含安全帽
print(\’====================================检测结果=\’,rs[0].boxes.data .__len__())
results=model(\’./a1.jpg\’,save=True, imgsz=320, conf=0.5,show_labels=True,classes=[0]) #检查a2图片是否包含安全帽
print(\’====================================检测结果=\’,results[0].boxes.data .__len__())运行结果：
官方文档
