摘要
为防止煤矿工人吸入过量粉尘而导致职业性尘肺病,基于Keras框架利用YOLOv4(you only look once)目标检测算法对井下人员佩戴防尘口罩情况进行高精度且快速的检测与识别,并与MTCNN(Multi-task convolutional neural network)和FaceNet构成的人脸识别算法相结合,进行煤矿工人口罩佩戴监测的研究.结果表明:模型对井下人员口罩佩戴有较高的检测精度,识别已佩戴口罩的矿井下作业人员的平均精度达到92.78％,识别未佩戴防尘口罩检测的平均精度为91.63％,与其他主流算法相比算法具有更好的鲁棒性和检测效果.研究结果为预防煤矿工人职业性尘肺病提供1种有效的技术手段.
基金项目
国家自然科学基金(52004120)
国家重点研发计划项目(2017YFC1503102)
辽宁省教育厅项目(LJ2020QNL018)
辽宁工程技术大学学科创新团队项目(LNTU20TD-31)
NETL
NSTL
维普
万方数据