中国安全科学学报2023，Vol.33Issue(2) ：31-37.DOI:10.16265/j.cnki.issn1003-3033.2023.02.0298

基于YOLO-V3算法的加油站不安全行为检测

Gas station unsafe behavior detection based on YOLO-V3 algorithm

常捷 张国维 陈文江 袁狄平 王永生
中国安全科学学报2023，Vol.33Issue(2) ：31-37.DOI:10.16265/j.cnki.issn1003-3033.2023.02.0298
✕
  • 维普
  • 万方数据

基于YOLO-V3算法的加油站不安全行为检测

Gas station unsafe behavior detection based on YOLO-V3 algorithm

常捷 1张国维 1陈文江 2袁狄平 3王永生4
扫码查看

作者信息

  • 1. 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
  • 2. 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
  • 3. 中国矿业大学深圳研究院,广东深圳518057
  • 4. 江苏鸿鹄安全科技有限公司研发中心,江苏徐州221116
  • 折叠

摘要

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％.

关键词

YOLO-V3算法/加油站/故障树/不安全行为/火灾爆炸/目标检测

引用本文复制引用

基金项目

山东省重点研发计划(2021CXGC011303)

广东省重点领域研发计划(2019B111102002)

江苏省自然科学基金面上项目(BK20221548)

出版年

2023
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
参考文献量4
段落导航相关论文