10.3969/j.issn.1006-2475.2020.02.023
引入Self-Attention的电力作业违规穿戴智能检测技术研究
随着电网建设的高速发展,作业现场技术支撑人员规模不断扩大.电力现场属于高危作业场所,违规穿戴安全防护用品将会严重危及作业人员的人身安全,为了改善传统人工监管方式效率低下的问题,本文采用实时深度学习算法进行违规穿戴行为检测.检测模型结合实时目标检测网络YOLOv3和Self-Attention机制,借鉴DANet结构,在YOLOv3网络高层嵌入自注意力模块,更好地挖掘和学习特征位置和通道关系.实验结果表明,该模型在违规穿戴检测任务中mAP达到了94.58%,Recall达到了96.67%,与YOLOv3相比,mAP提高了12.66%,Recall提高了2.69%,显著提高模型的精度,可以满足任务的检测需求,提升了电网智能化水平.
电力作业、违规穿戴、YOLOv3技术、Self-Attention机制、目标检测
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61300132
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
115-121