首页|基于YOLO-V3算法的加油站不安全行为检测

基于YOLO-V3算法的加油站不安全行为检测

扫码查看
原文链接
  • 万方数据
  • 维普
为控制加油站火灾爆炸风险目标,结合事故统计和故障树分析方法,提出一种基于YOLO-V3算法的加油站不安全行为检测模型.首先在收集90起加油站火灾爆炸事故的基础上,统计分析加油站火灾爆炸事故的点火源;其次构建加油站火灾爆炸故障树,计算各基本事件的结构重要度,并确定加油站危险性较高的不安全行为;然后采用现场采集和模拟的方法收集加油站不安全行为图像数据,利用数据增强方法构建加油站不安全行为图像数据集;最后基于深度学习的方法构建加油站不安全行为检测模型,经过1000次训练迭代后得到最终模型.研究结果表明:引起加油站火灾爆炸事故的不安全行为主要有抽烟、打电话等;训练得到的检测模型在测试集上对抽烟、打电话和正常行为检测类别的平均检测精度分别为67％、85％和77％,模型的平均检测精度均值为84％.
Gas station unsafe behavior detection based on YOLO-V3 algorithm

常捷、张国维、陈文江、袁狄平、王永生

展开 >

中国矿业大学深圳研究院,广东深圳518057

中国矿业大学安全工程学院,江苏徐州221116

深圳市城市公共安全技术研究院有限公司科信中心,广东深圳518000

中国科学院深圳先进技术研究院,广东深圳518055

江苏鸿鹄安全科技有限公司研发中心,江苏徐州221116

展开 >

YOLO-V3算法 加油站 故障树 不安全行为 火灾爆炸 目标检测

山东省重点研发计划广东省重点领域研发计划江苏省自然科学基金面上项目

2021CXGC0113032019B111102002BK20221548

2023

10.16265/j.cnki.issn1003-3033.2023.02.0298

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2023.33(2)
  • 4