基于YOLOv11的口罩佩戴合规检测系统：Custom Datasets实战

1. 引言

在公共卫生领域，特别是在流行病防控期间，正确佩戴口罩是防止病毒传播的重要手段。然而，在实际生活中，存在各种不规范的口罩佩戴行为，如未正确覆盖口鼻、佩戴方式错误等。本文详细介绍如何使用YOLOv11模型构建一个口罩佩戴合规检测系统，基于自定义数据集，并提供完整的UI界面实现。

YOLOv11作为YOLO系列的最新演进版本，在目标检测任务中表现出色，特别适合实时检测场景。我们将从数据集准备、模型训练到系统部署的完整流程进行阐述，并提供详细的代码实现，使读者能够完整复现该系统。

2. 数据集介绍与准备

2.1 口罩佩戴数据集概述

口罩佩戴检测数据集通常包含以下几类图像：

• 正确佩戴口罩（proper_mask）
• 不正确佩戴口罩（incorrect_mask）
• 未佩戴口罩（no_mask）

数据集特点：

• 多角度人脸图像
• 不同光照条件下的样本
• 多种口罩类型（医用外科口罩、N95口罩等）
• 不同背景环境（室内、室外等）

2.2 公开数据集资源

1. MAFA (MAsked FAces)数据集：包含35,806张图像，标注了面部遮挡情况
2. Face Mask Detection Dataset (Kaggle) ：