睡岗检测数据集 | 睡岗检测 行为识别 岗位监督 安全管理9114期

睡岗检测数据集 | 睡岗检测 行为识别 岗位监督 安全管理9114期数据集概述本数据集专注于工作场景下的睡岗行为视觉检测服务于企业安全管理、岗位纪律监督及智能监控。数据涵盖多种睡姿形态适配工厂、安保、调度中心等场景的睡岗自动识别与预警。数据集核心信息数据要素详细说明类别共1类睡岗数量7956张图像格式图像为 JPG/PNG标签为 YOLO 格式的 txt 文件水平边界框应用价值1.岗位监督支撑工厂、安保、调度中心等场景的睡岗行为自动识别与告警。2.安全管理及时发现因疲劳导致的脱岗、睡岗隐患预防安全事故。3.效率提升替代人工查岗降低管理成本提升监督覆盖面与实时性。4.算法研发为行为识别、姿态检测等视觉任务提供多睡姿场景的训练与评测数据。数据三要素解析类别与行为覆盖数据集定义1个核心类别睡岗sleep聚焦于工作场景中的睡眠行为。覆盖多种典型睡姿桌上趴睡、埋头睡、座椅靠背睡、平躺睡等场景多样性丰富。多睡姿样本有助于模型学习睡岗行为的共性特征避免对单一姿态的过拟合。数据规模与标注图像总量约7956张规模充足能支撑行为检测模型的稳健训练。全部图像已标注标签格式为 YOLO txt即拿即用大幅降低项目启动门槛。数据规模适中适合作为睡岗检测任务的基准数据集或生产级训练数据。格式与结构采用通用YOLO 格式txt每张图像对应一个同名标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8、YOLOv11 等主流检测框架。图像与标签一一对应数据结构规范便于进行训练/验证集划分与预处理集成。知识普及睡岗检测的技术要点姿态多样性睡岗行为在不同岗位、不同环境下表现差异大如趴桌、靠椅、平躺模型需学习多种姿态的共性特征如身体蜷缩、头部低垂、长时间静止等。与正常行为的区分低头看手机、弯腰捡物等动作可能与睡岗混淆建议结合时序信息视频帧序列判断行为持续性降低误报。遮挡与视角监控视角下人员可能被工位隔板、设备遮挡需采用多尺度训练与数据增强策略。应用闭环检测结果可触发告警、记录违规时长、生成岗位监督报告集成到企业安全管理系统中实现检测-告警-处置的闭环管理。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valnc:1names:[sleep]启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs100,imgsz640,batch16,device0)标签睡岗检测行为识别岗位监督安全管理目标检测YOLO格式深度学习数据集计算机视觉