针对轻量化网络的安全帽检测方法

摘要：

变电站内电气设备数量众多,在工人进行现场作业时需要对工人佩戴安全帽进行监测.由于机器学习的安全帽佩戴检测方法常常出现漏检和误检的情况,为提高对安全帽佩戴识别的准确率,同时加快识别速度,提出了一种基于YOLOv5 s的轻量化卷积神经网络模型.通过引入RepVGG模块对网络主干进行轻量化,在网络后处理阶段通过Soft-NMS降低遮挡目标漏检率,以Mixup数据增强来扩充数据集,建立样本之间的线性关系,提升训练模型泛化性能,最后进行消融实验.实验结果表明,改进的模型的均值平均精度(mAP)达到80.4％,推理速度达到了83.3 f/s,为变电站安全帽佩戴检测提供了有效参考.

关键词：深度学习、安全帽检测、RepVGG、Mixup算法

所属期刊栏目：41

分类号：TP391.4(计算技术、计算机技术)

资助基金：国网新疆电力有限公司科技项目5230BD2000RX

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：16-21,53