针对当前安全帽在复杂情况下出现漏检、误检和检测精度低等问题,提出了一种基于改进YOLOv5的轻量级安全帽检测算法.首先,选用YOLOv5s轻量级模型,将原始非极大值抑制算法(NMS)改为DIoU-NMS,手动设置阈值提高其对密集目标检测的准确率,改善模型的微调与推理效果.其次,在原算法的主干网络融入并重构BoTNet网络,来提升其对小目标信息特征的提取能力,降低训练的复杂度.最后,在Neck网络中引入了NAM注意力机制,增强模型的鲁棒性,使其更加轻量化.实验结果表明,改进后的YOLOv5s算法对安全帽佩戴识别的准确率达到 98.93%,并能准确识别密集小目标,有效满足轻量化安全帽佩戴检测的需求,有利于提高安全检查和监督水平.
国家科技期刊平台
NSTL
万方数据
