电厂环境下作业人员安全帽佩戴检测研究

摘要：

佩戴安全帽是作业安全重要保障,针对电厂环境下基于视觉的安全帽佩戴检测存在遮挡、复杂光照、图像目标对象尺度变化等问题,提出一种基于深度学习的高精度安全帽佩戴自适应检测模型.应用Random-erasing数据增强提升遮挡场景检测精度,构建融合图像双颜色空间信息的双平行网络图像增强模型应对复杂光照影响,设计K-means聚类的目标自适应匹配、前后端融合双注意力的卷积神经网络与模版匹配检测分类模型.在融合施工环境的安全帽数据集开展实验,结果表明,所提模型检测精度为96.61％,高于对比模型,开展的消融实验验证了各模块有效性,在电厂现场环境检测效果良好.

关键词：安全工程、电厂环境、深度学习、安全帽检测、注意力

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2022-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：265-271