隧道环境下基于深度学习的轻量级安全帽检测方法

摘要：

隧道施工现场人员不按规定佩戴安全帽是事故发生的主要原因之一,使用安全帽检测算法能有效监督作业平台上所有人员安全帽佩戴的情况,及时作出风险预警,降低安全事故发生的可能.然而,工业上常用的安全帽检测算法计算复杂度较高,很难适用于隧道环境中的嵌入式移动设备,已有轻量级算法又很难在隧道光线差、背景复杂的条件下保持检测精确度.针对上述问题,文中提出一种基于改进YOLO_v3 的轻量级安全帽检测算法,构建运算量较低的卷积模块LW_Conv,并以此改造主干网和特征金字塔.实验结果表明,改进算法的FLOPs约为YOLO_v3的10%,平均正确率(AP)比Tiny_YOLOv3高2%.

关键词：安全帽检测、轻量化卷积模块LW_Conv、隧道环境、改进YOLO_v3算法、深度学习、目标检测

所属期刊栏目：46

分类号：TN911.23-34

资助基金：国家自然科学基金61502297

在线出版日期：2023-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：147-151