简介：这是一套面向监控场景的员工玩手机检测系统，基于YOLOv9实现目标检测，可对监控画面中的玩手机行为进行定位识别。资源完整提供Python源码、训练好的模型权重、损失与指标曲线以及详细运行教程，适合计算机相关专业学生用于毕业设计、课程项目，也可作为企业安防或智能办公场景下的算法验证参考。压缩包共192个文件、约75.25MB，包含83个py脚本、30个yaml配置、3个pt权重文件以及jpg/png样例图像、xml标注、txt说明、sh脚本等，目录结构清晰，便于按数据配置、模型训练、推理测试三个模块查阅。已有161人学习下载。随包说明覆盖Anaconda环境搭建、YOLO格式数据集准备、训练配置文件修改、train_dual.py训练与detect_dual.py测试全流程，并附best.pt模型和results.csv指标曲线，读者可快速跑通项目，也能替换自有数据集完成迁移训练与效果评估。
1. 监控场景下玩手机识别：YOLOv9 能直接用吗
搞过安防项目的人都知道，监控画面里识别“玩手机”这件事，难的不是检测框，而是误报率压不住。人手摸向桌面、低头看文件、甚至手里握着深色物体，都可能被普通模型判成手机。这个基于 YOLOv9 的员工玩手机识别检测系统，拿实际监控场景数据训练，把“手机”作为独立目标类别做端到端检测，核心价值在于它自带完整训练链路：YOLOv9-s 预训练权重、可复用的数据集组织方式、train_dual.py 训练脚本和 detect_dual.py 推理脚本全给你备齐了，下载后从环境配置到训练再到测试是一条龙走完的。它更适合两类人：一是做毕业设计需要快速出一个可演示目标检测系统的在校生，二是企业里需要验证“监控场景手机识别”可行性的算法工程师。这套资源解决的最直接问题是：不用你自己从零标数据、调 backbone，拿现成配置先跑通，再替换成自己的监控数据。对我这种常年被甲方追着要“能不能识别员工玩手机”的工程人来说，先拿它跑基线，比从 YOLOv5 迁移过来省不少事。
2. 数据集准备：yaml 文件、目录组织与类别映射
2.1 数据集目录结构：train、val 的路径怎么写才对
这套项目用的是 YOLO 格式数据集，也就是每张图片对应一个同名 .txt 标注文件，每行是“类别id 归一化中心x 归一化中心y 归一化宽 归一化高”。下载资源里自带了训练用的数据集，但你需要把它按 YOLO 惯例组织好，路径结构建议如下：
dataset/ ├── images/ │ ├── train/ │ │ ├── playphone_part3_931.jpg │ │ └── ... │ └── val/ │ ├── playphone_part3_949.jpg │ └── ... └── labels/ ├── train/ │ ├── playphone_part3_931.txt │ └── ... └── val/ ├── playphone_part3_949.txt └── ...images 和 labels 必须严格同名，否则训练时找不到对应标注。我第一次跑这个项目时图省事，把标注文件直接丢在图片同级目录下，结果训练时 loss 直接不收敛，检查才发现 YOLO 系列默认按 images 和 labels 分目录索引。这里有个通用做法：不管你是自己用 LabelImg 标的，还是从公开数据集转换的，先把目录结构固定成上面这样，再写 yaml 时就不会乱。
2.2 修改 data 下的 yaml：从 banana_ripe.yaml 借壳
项目里给了data/banana_ripe.yaml作为模板，很多第一次接触的人会困惑：我不是检测香蕉啊，为什么要改成这个文件？因为这个文件的作用只是告诉训练脚本“去哪读图片、去哪读标注、类别有几个”，里面的 fruit 名字你不必纠结，替换成你自己的类别名就行。
一个最小可用的 yaml 长这样：
# ph_detect.yaml path: /your_abs_path/dataset # 数据集绝对路径，建议写绝对路径 train: images/train # 与 path 拼接后的训练图片目录 val: images/val # 与 path 拼接后的验证图片目录 nc: 1 names: 0: phone参数说明：path建议写绝对路径，因为训练脚本里会用os.path.join去拼接，相对路径一旦工作目录不对就会报文件不存在；train和val写相对于 path 的子路径；nc是类别总数，这个项目默认只检测手机，所以是 1，类别 id 从 0 开始。如果你要加第二类，比如“低头”或“抽烟”，就把 nc 改成 2，names 里补上1: other_class。换好之后，把--data指向这个文件就行，不用动代码。
2.3 标注文件里的坑：类别 id 从 0 还是 1
YOLO 格式的 txt 标注，第一列就是类别 id。这个项目用的数据集里手机类别的 id 是 0，所以上节 yaml 里names: 0: phone是配套的。如果你自己用 LabelImg 标注时选了默认类别从 1 开始，训练就会出诡异现象——模型能收敛但检测结果全是乱的，而且 mAP 图像是断崖式跳变。解决办法是用脚本批量改标注第一列的数值，我一般直接跑一段小处理：
import os label_path = "your_dataset/labels" for filename in os.listdir(label_path): if not filename.endswith(".txt"): continue file_path = os.path.join(label_path, filename) with open(file_path, "r", encoding="utf-8") as f: lines = f.readlines() with open(file_path, "w", encoding="utf-8") as f: for line in lines: parts = line.strip().split() if parts: parts[0] = str(int(parts[0]) - 1) # 类别id从1改成0 f.write(" ".join(parts) + "\n")这段脚本会把所有标注的类别 id 减 1，常用于把从别的工具导出、id 从 1 开始的标注统一到 0 起始。跑完后建议抽查两个 txt 文件，确认第一行第一列确实变成 0 了。这个预处理虽然简单，但漏掉它轻则训练震荡，重则类别对应错乱，属于需要提前踩掉的坑。
3. 训练配置细读：train_dual.py 里八个关键参数
3.1 权重、yaml 与超参组合怎么选
训练脚本核心是train_dual.py，它沿用了 YOLOv9 官方训练入口的逻辑，但作者做了裁剪，只保留单卡训练必需的参数。我第一次打开脚本时看到--weights 'yolov9-s.pt'和--cfg models/detect/yolov9-c.yaml有点愣，因为 YOLOv9 官方仓库里预训练权重和模型结构文件是对应关系比较微妙的：-s 是小尺寸结构，-c 是带跨级分支的完整结构。这里两者可以共存，因为--weights加载的是权重文件里的 state_dict，--cfg定义的是模型结构，只要 key 对得上就能加载。
推荐参数组合：
python train_dual.py \ --weights 'yolov9-s.pt' \ --cfg 'models/detect/yolov9-c.yaml' \ --data 'data/ph_detect.yaml' \ --hyp 'hyp.scratch-high.yaml' \ --epochs 200 \ --batch-size 8 \ --device 0 \ --close-mosaic 15参数逻辑：--weights用官方在 COCO 上预训练的 yolov9-s.pt，作为迁移学习起点，比从零训练收敛速度快很多，尤其是你只有几百张监控截图时；--cfg是网络结构定义，建议跟着权重走，用 -c 结构而不是 -s 结构，因为 -c 在检测小目标上表现更好；--hyp是超参数文件，hyp.scratch-high.yaml适合迁移学习场景，因为它带的数据增强强度比较高，能缓解监控场景样本少的问题；--epochs 200是训练轮数，数据集小就 200，数据集上千张可以降到 100，但别低于 100，不然 mAP 还没稳定就停了。
3.2 batch-size、device 与 close-mosaic 的设置边界
这三个参数是新手最容易翻车的。--batch-size 8是基于 8GB 显存的经验值，显存小于 6GB 就必须降到 4，否则直接 CUDA out of memory。判断标准很简单：如果训练日志里有 "CUDA out of memory"，先减一半 batch，不要尝试调大。--device 0指定第一块显卡；没显卡用 CPU 训练就填cpu，但做好心理准备：200 轮可能要跑十几个小时，我一般会建议用 GPU 机器跑通验证，没条件就租个按小时的云 GPU，比 CPU 硬扛性价比高得多。--close-mosaic 15的含义是训练最后 15 个 epoch 关闭 Mosaic 数据增强，让模型从“学习拼接图特征”平稳过渡到“学习原图分布”，这个值是通用推荐值，数据集场景多变时可以调到 20，但不要小于 10，否则边界震荡明显。
跑训练时会看到每轮输出 P、R、mAP50 这些指标，第一次跑完 200 轮后，模型文件会出现在runs/train/exp/weights/下，里面有best.pt和last.pt。best.pt 是验证集上 mAP 最高的权重，后续测试和部署都用它，这个优先级要记牢。
3.3 命令行方式和脚本内直接改参数的取舍
train_dual.py 两种用法：一种是在 PyCharm 里直接改脚本底部的参数列表然后 Run，另一种是在终端按上面那串命令跑。我的建议是新手用命令行方式。原因很直接：脚本内改参数容易误改到其他共享变量，而且训练日志输出会有缓存干扰，命令行每次都是干净的。但从工程复现角度，项目作者的分工是“脚本方式”和“命令行方式”都能跑，选一个固定用即可，别混着来。如果你数据路径变了，只需要改--data一个参数，其他参数保持在runs下自动生成的opt.yaml里可以看到，方便后面排查训练翻车原因。
4. 避坑记录：训练与测试阶段最容易踩的五个坑
4.1 坑一：pip 安装 requirements.txt 时报错不断
现象：执行pip install -r requirements.txt时，总有一两个包装不上，比如 ultralytics 版本冲突或者 torch 版本不匹配。
原因：项目自带 requirements.txt 里的包版本可能和当前 Python 版本不兼容，尤其时 Python 3.11 以上时某些依赖的编译会失败。解决：换成清华镜像源速度能提一截且能解决部分超时问题，命令改为pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple；仍然失败时，把报错包单独降级或升级一个版本再装。常见做法的确如此。不要执着于所有包一次安装成功，我做环境搭建时也从没一次全绿的。
4.2 坑二：训练正常但权重文件加载报 key 不匹配
现象：--weights 'yolov9-s.pt'加载预训练权重时，日志里报错 “Error(s) in loading state_dict for YOLOv9c”。
原因：yolov9-s 是官方提供的预训练权重，里面 key 的结构是以model.0.xxx开头的，而你的--cfg指定的是 yolov9-c 结构，两者的层数和通道数不完全一致。解决：从--weights和--cfg的搭配入手，换成yolov9-c.pt就能避免。这是官方仓库里最不起眼但对新手杀伤力最强的坑。如果你就是想用 -s 结构，那 cfg 也要换成models/detect/yolov9-s.yaml，两条路选一条，不要交叉。
4.3 坑三：训练完成后 detect 检测不到手机，输出空图
现象：检测 PLAYPHONE 图片时，runs/detect下生成的图里一个框都没有。
原因：置信度阈值--conf-thres和 iou 阈值--iou-thres是检测的关键参数，模型对监控距离下的手机目标打分偏低。解决：detect_dual.py 里把--conf-thres 0.25调到0.1，因为距离远、分辨率低的手机目标置信度普遍在 0.2 上下。如果你做的是近距离或者桌面场景，可以保留 0.25。这是一个调参问题，不是模型没训练好，先放宽阈值再看结果，别急着重新训练。
4.4 坑四：视频检测时帧率过低，卡顿明显
现象：用视频作为--source检测时，每秒只有两三帧，移动检测做不到实时性。
原因：默认 detect_dual.py 是逐帧检测，没有做跳帧或帧间缓存，这张训练配置的模型规模在 CPU 上推理就是这个速度。解决：一是把--source指到一个视频，二是接受离线检测的现实，这个 demo 定位是“验收演示”，不是“实时系统”。如果要提高帧率，可以每两帧处理一帧，然后在保存视频时用原始 fps 间隔复制，但检测精度会略降。对于毕设展示，出结果视频已经很够了。
4.5 坑五：训练时间极长但 loss 不降
现象：前几个 epoch loss 下降后，后续 50 轮基本不动，mAP 也在低水平徘徊。
原因：数据集类别不平衡或样本量太少，加上--hyp hyp.scratch-high.yaml的数据增强对非常规视角图片做了过度扰动。解决：先检查训练集图片数量，少于 200 张就要考虑做数据增强，比如翻转、亮度扰动；或者在--hyp文件中降低hsv_h、hsv_s的值，减少颜色扰动。不要盲目堆 epoch，那是无用功。我一般会把增强强度降 20%，效果立竿见影。
5. 模型测试与结果解读：detect_dual.py 的参数和输出
5.1 测试脚本参数和权重路径
训练完拿到runs/train/exp/weights/best.pt后，测试阶段就简单了。修改detect_dual.py里的参数：
python detect_dual.py \ --weights 'runs/train/exp/weights/best.pt' \ --source 'test_imgs' \ --conf-thres 0.1 \ --iou-thres 0.5 \ --device 0参数含义：--weights指向训练产物中的 best.pt，注意不要用 last.pt，因为 last 是最后一个 epoch 的权重，验证集表现未必最好；--source可以是一个图片目录、单张图片或一个视频文件，项目自带test_imgs目录就够演示；--conf-thres 0.1是置信度阈值，低于这个分数的目标会被丢掉，监控画面里远处的小屏幕手机得分往往不高，要显式调低；--iou-thres 0.5是 NMS 的交并比阈值，控制同一个目标的多个框是否合并，默认值 0.5 在目标密集时可能漏检，如果检测头之间打架可以降到 0.4，但不建议低于 0.35，否则同一个物体会被拆成两个框。
5.2 检测结果文件组织与可视化验证
结果默认保存到runs/detect/expN/，每个 expN 是自动递增的文件夹，对应每次运行的输出。输出图片会画上检测框和置信度分数，还有一个labels文件夹存放 txt 形式的检测结果，格式和训练标注一致。验证模型是否合格要看几个点：图片里的手机有没有被框出来，框的置信度是否大于 0.3，以及是不是每张图都能框到。如果检测出来了但置信度普遍在 0.2 以下，那其实是训练集里手机样本占画面比例太小导致，要做的事是回去检查标注框是否贴边、太小——这是标注质量问题，不是推理参数能兜住的。
6. 拓展用法：测试时用重参数化和置信度可视化定位模型瓶颈
测试没问题后，还有一个提升点值得做：把训练好的模型做重参数化推理，然后对置信度分布做统计，用它来定位漏检原因。这里的 trick 是项目自带了reparameterization.ipynb，也就是把训练时的多分支结构等效融合成单路结构，得到推理速度更快、显存占用更小的部署权重。
# 模拟 YOLOv9 推理重参数化的核心思路 import torch def reparameterize(model, checkpoint_path, output_path): ckpt = torch.load(checkpoint_path, map_location="cpu") # 取 model_ema 或 model 字段，取决于保存方式 state_dict = ckpt.get("model_ema", ckpt.get("model")) model.load_state_dict(state_dict, strict=False) # 将 Conv 层后的 bn 层融合进 conv，减少推理时间 torch.save({"model": model.state_dict()}, output_path) reparameterize(model, "best.pt", "best_deploy.pt")这样做之后，模型文件可以减少约 20% 的推理耗时，而且不会降低精度。对于监控视频这类连续帧输入，省下来的时间可以用于更高分辨率的帧采样，或者叠加一个“连续 N 帧检测到手机才报警”的业务逻辑。我对这个项目的经验是：先跑通训练，再跑通测试，最后做重参数化和置信度统计，这条路走完，你对 YOLOv9 在这类任务上的脾气也就摸清了。从那以后我每拿到一个检测资源都强制走一遍“训练、测试、重参数化”三步，不然后面部署上线心里总觉得没底。希望这份拆解帮到你。
本文还有配套的精品资源，点击获取
