中国安全科学学报

作者：纪执安, 周云奕, 张玉媛, 郭新然, 石坤

单位：中国特种设备检测研究院,北京 100029

关键词：YOLOv5,工业现场,不安全行为,检测模型,注意力机制

基金：国家市场监督管理总局科技计划项目(2023MK208); 中国特种设备检测研究院青年基金资助(2023youth07)

为准确识别复杂工业现场人员的不安全行为,减少安全事故的发生,提出一种改进的YOLOv5不安全行为检测模型。首先,在YOLOv5的backbone部分引入注意力机制,提高卷积网络对不安全行为特征的敏感度;其次,通过图像几何变换和像素级处理丰富训练样本数量,提升检测模型在不同工业环境中的泛化能力;然后,蒸馏检测模型并优化网络结构参数来加速模型的训练;最后,将模型训练迭代200次,模拟起重吊索、机器人自动化产线和操作间3类工业现场,检测人员是否穿戴安全帽、工作服以及是否在安全区域工作,并依据行为划定危险等级,判定人员是否安全生产。结果表明:该模型能检测昏暗、光照和遮挡等多类复杂工业环境下人员的12种不安全行为,且在不安全行为测试集上精确率为98.6%,召回率为99.2%,平均精度为97.58%。

来源：2024年第7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2024年第7期