负责现场图像的收集、清洗与标注（Label Studio），针对安全帽、反光背心等核心类别，采用旋转、裁剪、光照变换等增强策略扩充样本，构建高质量训练集与测试集。以 YOLOv8n 预训练权重为基座进行迁移学习，调整学习率、batch size 等超参数完成模型微调；通过 TensorBoard 实时监控训练过程，针对遮挡、逆光等复杂场景补充数据并迭代优化，最终 mAP 提升至 95% 以上。完成 PyTorch 到 ONNX 的模型导出，降低部署环境依赖；使用 FastAPI 封装推理接口，支持批量图片检测并返回结构化结果（违规类型、坐标框、置信度），通过 Docker 容器化部署上线，对接外勤管理平台实现作业合规性自动判别与违规预警，降低人工审核成本。