基于YOLOv5安全帽检测算法对比研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：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.

作者：

杨巍、桓柳、郭大超、徐振洋

展开 >

作者单位：

辽宁科技大学矿业工程学院,辽宁鞍山,114051

成远矿业开发股份有限公司,辽宁辽阳,111299

关键词：

YOLOv5 深度学习目标检测安全帽检测

出版年：

2024

DOI：

10.19772/j.cnki.2096-4455.2024.10.080

电子元器件与信息技术

ISSN：

年,卷(期)：2024.8(10)