-
题名基于改进YOLOX-S的安全帽反光衣检测算法
被引量：11
- 1
-
-
作者
程换新
蒋泽芹
程力
成凯
-
机构
青岛科技大学自动化与电子工程学院
中国科学院新疆理化技术研究所
-
出处
《电子测量技术》
北大核心
2022年第6期130-135,共6页
-
基金
国家海洋局重大专项项目(国海科字[2016]494号No.30)资助。
-
文摘
在工业生产和交通工程中,安全帽和反光衣都是员工重要的生命安全保障。针对传统安全帽反光衣识别方法只能检测单一颜色反光衣、检测效率低的问题,提出一种基于改进YOLOX-S网络模型的安全帽反光衣检测方法。使用简化BiFPN模块替换原加强特征提取网络,提高网络对不同尺度的特征提取能力;使用Mosaic方法进行训练,提高网络在复杂场景下的检测能力;使用GIoU损失函数,进一步提高模型的识别准确率。在扩充后的安全帽反光衣数据集上实验表明,所提算法在保持较高推理速度的情况下,mAP达83.74%,与原YOLOX-S相比,对戴安全帽、穿反光衣和行人的检测AP值有1%~3%不等的提高,对反光衣颜色无依赖性,有效实现了快速准确的安全帽反光衣检测。
-
关键词
安全帽反光衣检测
YOLOX-S
BiFPN
Mosaic方法
-
Keywords
helmet and reflective clothing detection
YOLOX-S
BiFPN
Mosaic method
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进SSD安全头盔反光衣检测算法
被引量：5
- 2
-
-
作者
韩泽佳
肖秦琨
张立旗
-
机构
西安工业大学兵器科学与技术学院
-
出处
《自动化与仪表》
2021年第9期63-68,共6页
-
文摘
施工人员正确穿戴安全头盔和反光衣是进行安全生产和保障人身安全的重要一环,当前对安全头盔反光衣穿戴的检查还是依靠传统人工的方式,存在费时费力问题,针对这种情况,使用了深度学习中的SSD(single shot multibox detector)算法作为基本网络框架实时对目标人物进行无人化穿戴检测,同时针对原SSD算法存在检测精度不高的问题,对原SSD算法进行了改进,首先使用了部分ResNet50网络替换内部的VGG-16作为特征提取网络;其次在SSD算法的高层卷积模块中加入可形变卷积模块,使检测目标时更好地适应目标的不同尺寸来提高检测精度。实验结果表明,该网络结构在检测安全头盔和反光衣上精确度和速度上表现优异。
-
关键词
安全头盔反光衣检测
SSD算法
ResNet50
可形变卷积
-
Keywords
safety helmet reflective clothing testing
single shot multibox detector(SSD)algorithm
ResNet50
deformable convolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名复杂作业场景下的反光衣和安全帽检测方法
- 3
-
-
作者
谢国波
肖峰
林志毅
谢建辉
吴陈锋
-
机构
广东工业大学计算机学院
-
出处
《安全与环境学报》
CAS
CSCD
北大核心
2024年第9期3513-3521,共9页
-
基金
国家自然科学基金项目(61802072)
广东电网有限责任公司科技项目(GDKJXM20230718)。
-
文摘
针对现有算法在复杂的工地环境中进行反光衣和安全帽检测时存在的无法有效区分目标和背景的微小差异问题,提出了一种改进YOLOX的反光衣和安全帽检测算法。首先,将主干网络中空间金字塔池化中的最大池化替换为平均池化,减少特征图的信息损失和过拟合风险;其次,设计一种带权注意力模块(Weighted Convolutional Block Attention Module,W-CBAM)嵌入特征融合层,通过权重系数提升对特征图空间维度的关注,增强特征图的表达能力;最后,添加自适应特征融合(Adaptively Spatial Feature Fusion,ASFF)模块,解决多尺度特征融合时存在的不一致性问题。在扩充后的公开反光衣安全帽数据集的试验结果表明,所提算法精度高达98.79%,优于原始的YOLOX算法和其他先进算法,同时具有较快的检测速度,满足施工环境检测需求。
-
关键词
安全工程
反光衣检测
安全帽检测
YOLOX
注意力模块
自适应特征融合
-
Keywords
safety engineering
reflective vest detection
safety helmet detection
YOLOX
attention module
adaptive spatial feature fusion
-
分类号
X93
[环境科学与工程—安全科学]
-
-
题名基于CT-YOLOX的反光衣与安全帽检测算法
被引量：2
- 4
-
-
作者
谢国波
谢建辉
林志毅
肖峰
吴陈锋
黎逍
-
机构
广东工业大学计算机学院
-
出处
《国外电子测量技术》
北大核心
2023年第10期51-58,共8页
-
基金
国家自然科学基金(62002070)
广州市科技计划项目(201902020012)资助。
-
文摘
穿着反光衣与佩戴安全帽是复杂场景下施工工作人员生命安全的保障,而现有的YOLOX算法无法同时兼顾大目标反光衣和小目标安全帽的检测,其精度与速度有待提高。基于此,提出了一种基于CT-YOLOX的反光衣与安全帽检测算法。首先,CT-YOLOX算法引入CAM模块,增强上下文信息和扩充模型的感受野;其次,设计TBCA模块提高特征表达能力,用混合卷积强化模型对不同尺度目标的融合能力;最后,采用Varifocal Loss损失函数缓解样本不均匀和难易样本问题,提高模型的分类准确性和鲁棒性。测试结果表明,CT-YOLOX算法比原始YOLOX算法检测速度提升的同时平均精度均值(mAP)也提高了2.1%,与SSD、CenterNet、YOLOv4、YOLOv5、YOLOv7-tiny与YOLOv8同类型算法相比,CT-YOLOX算法的mAP值分别高于10.27%、17.24%、4.14%、2.63%、6.14%、1.03%。
-
关键词
反光衣检测
安全帽检测
YOLOX
CT-YOLOX
varifocal
loss
-
Keywords
reflective clothing detection
safety helmet detection
YOLOX
CT-YOLOX
varifocal loss
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的工业生产安全行为分析技术
- 5
-
-
作者
刘培妍
-
机构
云南大学
-
出处
《现代制造技术与装备》
2022年第11期160-163,共4页
-
文摘
随着工业生产建设工作规模的扩大,利用传统的人工监督方式对工业生产行为进行检查,效率低下且易出现监管漏洞。文章提出基于深度学习的工业生产安全行为分析技术,能够自动检测工业生产人员佩戴安全帽的状态、穿戴反光衣的状态以及高中低3种风险级别的区域入侵状态3种工业生产行为。实验结果表明,YOLOv5模型具有较高的检测准确度,基本满足在各种复杂工业生产场景下进行安全行为分析的准确性需求。
-
关键词
安全帽反光衣检测
危险区域入侵检测
YOLOv5
视频检测
深度学习
-
Keywords
helmet and reflective clothing detection
hazardous area intrusion detection
YOLOv5
video detection
deep learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
X922.2
[环境科学与工程—安全科学]
-
