基于YOLOv2的安全帽佩戴检测算法研究

宇峰 陈, 星 衡

摘要


为实现工厂环境下的安全帽佩戴检测，本文提出基于YOLOv2的安全帽检测算法对人是否佩戴安全帽进行判断。本文在YOLOv2的预处理模型上，利用网络收集图片进行标注并训练，最终得到在实验基础上最优的训练权重，通过此YOLOv2网络模型，可以基本实现对安全帽规范佩戴检测。实验结果表明，本文所提出的基于YOLOv2的安全帽规范佩戴检测算法的识别精度达92%，鲁棒性好，识别速度达27fps。所提出的方法可为嵌入式设备上的安全帽检测工作的开展提供有效参考。

关键词


安全帽检测；YOLOv2；深度学习；K210；计算机视觉

全文:

PDF

参考


朱富云, 戴相龙, 傅靖, 等. 基于视频监控的变电站内安全帽检测算法研究 [J]. 电网与清洁能源, 2018, 34(12)： 71-6.

曹燕. 基于深度学习的建筑工人安全帽检测方法研究 [D]; 苏州科技大学, 2021.

方明, 孙腾腾, 邵桢. 基于改进YOLOv2的快速安全帽佩戴情况检测 [J]. 光学精密工程, 2019, 27(05)： 1196-205.

王国鹏, 王习东, 王保昌, 等. 基于YOLOv2网络模型的手机镜片缺陷实时检测方法 [J]. 自动化与信息工程, 2021, 42(05)： 28-32.

张宝星, 莫一夫, 潘岐深, 等. 基于改进YOLO-ResNet混合神经网络的配网杆塔倾倒实时智能检测 [J]. 南方电网技术, 2022, 16(08)： 133-41.




DOI: https://doi.org/10.12238/jpm.v4i3.5745

Refbacks

  • 当前没有refback。


Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。