基于深度学习的下井人员安全状态快速检测算法研究

摘要：

在矿井生产中,作业环境复杂,安全生产风险较大,而传统的人工安全状态检测存在效率较低、漏检率较高等问题.因此,本文提出了基于卷积神经网络的下井人员安全状态快速检测方法.其间使用YOLOv3网络进行安全帽、工作服、工作鞋的多类别目标识别.试验表明,相比于传统人工检测方法,此算法具备更高的检测效率.在试验中,平均精度均值(mAP)达到了90.05％的高准确率,而且检测帧率达到28帧/s,具备了实时检测的能力.

关键词：深度学习、卷积神经网络、矿井生产、安全状态快速检测

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2021-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：8-11