基于级联深度神经网络的变电站作业安全帽识别技术研究

摘要：

工程施工现场通常工作环境复杂,人员数目较多,存在安全隐患,不按照规定佩戴安全帽是其中存在问题之一.为加强监管对现场作业人员佩戴安全帽的管控,结合图像处理、深度学习等算法提出一种基于级联网络模型的的安全帽识别算法.采用Yolov3作为一级基础网络,对现场行人及安全帽特征进行提取,然后结合级联Inception-v2网络模型,对作业人员安全帽佩戴情况进行精确预估.该网络模型有效解决复杂背景下安全帽的误识别问题,提升施工人员佩戴安全帽识别准确率,对保证现场作业人员生命和生产活动安全具有十分重要的意义.

关键词：安全帽;级联网络;Yolov3网络模型;Inception-v2网络模型

所属期刊栏目：38

资助基金：国网上海市电力公司科技项目52097020000X

在线出版日期：2022-03-21（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：7-11