摘要
为了智能监控井工煤矿综采工作面危险区域人员闯入和安全帽佩戴问题,避免监控视频受粉尘干扰、光照不均等因素影响图像检测精度的问题,提出一种基于改进YOLOv5s的目标检测算法(简称YOLOv5s-DPE),并建立相关模型.首先,在颈部网络部分,采用深度可分离卷积(DwConv)替换普通卷积,降低参数量和计算量;然后,引入改进的路径聚合网络(PANet)提升特征提取能力,替换边界框损失函数完全交并比(CIOU)为有效交并比(EIOU),提升检测准确率;最后,选取综采工作面视频中的人员图像进行检测,选取煤矿井下人员闯入和安全帽佩戴监控视频作为检测数据集,并进行训练和验证.结果表明:对比初始YOLOv5s算法模型,YOLOv5s-DPE算法模型的参数量下降14.2％,浮点数计算量下降7.6％,算法网络模型大小下降12.5％,均值平均精度(mAP)@0.5提升到93.7％,mAP@0.5:0.95提升到65.8％,YOLOv5s-DPE模型对小目标检测效果更好,误检漏检等情况有所减少.
基金项目
山西省研究生教育创新项目(2021Y739)
山西大同大学研究生教育创新项目(21CX02)
山西大同大学研究生教育创新项目(21CX37)
山西大同大学202校级揭榜招标项目(2021ZBZX3)
山西大同大学2021年度产学研专项研究项目(2021CXZ2)
维普
万方数据