基于注意力机制的矿工危险行为检测算法研究

摘要：

为了有效地检测和识别煤矿井下工作人员的危险行为,防止安全事故的发生,针对煤炭井下背景复杂、尺度变化大等问题,提出了一种基于注意力机制和深度学习的矿工危险动作检测算法.在YOLOv3模型的基础上,设计一种特征提取能力更强、体积更小的轻量化特征提取网络;针对原始的YOLOv3算法在小目标的检测性能较差这一问题,提出了一种基于注意力机制的特征融合模块来优化小目标的漏检和误检问题.为了评估模型的性能,采集了 10 000张煤矿井下图片用于训练和测试,所提出的算法的mAP为83.1％,优于目前常用的目标检测算法;此外,算法测试速度为769 fps,是其他轻量化目标检测算法的6.6倍.试验结果证明,提出的危险行为检测算法可以应用到实际的生产环境中.

关键词：煤矿安全、深度学习、目标检测、注意力机制、危险动作识别

所属期刊栏目：52

分类号：TD79+1(矿山安全与劳动保护)

在线出版日期：2021-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：260-264