摘要
为确保员工安全,提高安全帽佩戴情况检查效率,本文将深度学习算法引入安全帽的佩戴情况智能检测中,通过综合图像的颜色特征、形状特征、纹理特征,建立适用于深度学习的图像及标注数据集,对主流的SSD算法、FRCNN算法、YOLOv5算法性能进行研究.结果表明:在现场工人的安全帽检测算法训练中,主流的SSD算法、FRCNN算法、YOLOv5算法识别安全帽的mAP值分别为59.61%、70.79%和84.94%;修正的YOLOv5算法mAP值的范围为0.847～0.879,证明了超参数与权重的修正具有增强算法效果的作用,证明YOLOv5算法识别方法更适合辅助项目的监管,能够实现为安全帽识别检查需求扩充新的技术方法的目的.
NETL
NSTL
万方数据