基于YOLOv5的安全帽佩戴实时检测方法研究

摘要：

安全帽作为施工现场工人必不可少的头部防护,佩戴安全帽对工人生命有着重要的意义.然而,由于缺乏安全意识,工人往往没有佩戴.随着深度学习技术的不断发展,具有很高精度和速度的YOLO系列算法已经被应用于各种场景检测任务中.为了建立数字化安全帽监控系统,本文提出了基于YOLOv5用于检测安全帽佩戴的方法,通过数据增强的样本扩充方法,使用基本图像并配合数据增强对数据集进行优化处理,自建一个特征丰富的安全帽佩戴数据集,从而使模型能够精确识别安全帽佩戴情况并达到实时检测的目的.实验结果表明,YOLOv5的平均检测速度达到60f/s,达到实时检测的条件;mAP值达到98.5％,证明了基于YOLOv5的安全帽检测的有效性.

关键词：YOLOv5、深度学习、安全帽检测、数据增强、实时检测

所属期刊栏目：37

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金51968051

在线出版日期：2023-09-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：93-100