中国安全科学学报

作者：谭波, 隋龙琨, 柯巍, 刘衍, 朱权洁, 何宁

单位：1 中国矿业大学(北京) 应急管理与安全工程学院,北京 100083；2 湖北省烟草公司十堰市公司,湖北 十堰 442000；3 华北科技学院 应急技术与管理学院,河北 三河 065201

关键词：井下人员,不安全行为,双模型算法,耦合识别,目标检测

基金：国家自然科学基金资助(51774291); 国家自然科学基金资助(51864045); 国家重点研发计划(2023YFC3009101); 河北省自然科学基金资助(E2022508046)

为了防止由于井下人员的不安全行为造成的安全事故,并保障井下人员安全,利用先进的机器视觉和计算机技术,改进传统的YOLOv5s算法和OpenPose算法目标检测模型,提出一种双模型耦合识别井下人员不安全行为的算法;通过统计分析当前煤矿井下较为常见的不安全行为,将矿工不安全行为分为物品、动作、区域等3类;根据矿工的不安全行为特点,采用改进YOLOv5s算法和OpenPose算法耦合识别的方法,在公共数据集和自建数据集上进行训练和验证。结果表明:相比于当前主流的方法,双模型耦合识别方法在自建数据集和公共数据集的基础上识别准确率有较大提升(5%~10%),可对井下人员不安全行为进行快速、有效的识别。

来源：2026年第2期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2026年第2期