中国安全科学学报

作者：温廷新, 王贵通, 孔祥博, 刘孟潇, 薄靖凯

单位：1.辽宁工程技术大学 系统工程研究所,辽宁 葫芦岛 125105; ；2.辽宁工程技术大学 工商管理学院,辽宁 葫芦岛 125105

关键词：不安全行为,迁移学习,残差网络,矿工,图像识别

基金：国家自然科学基金资助(71371091)。

为精确识别矿工的不安全行为,降低煤矿事故发生率,提出迁移学习结合深度残差网络的图像识别方法。将矿工的行为样本划分为完全安全行为、较安全行为、不安全行为3个维度,其中完全安全行为包括:走路、坐下、站立,较安全行为包括:弯腰、下蹲、抬东西、推、拉、挥手、拍手,不安全行为包括:跌倒、投掷;采用ResNet50网络进行训练,微调ImageNet数据集迁移学习的权重参数,通过全连接层进行12分类,并将最终分类结果与测试数据进行对照检验。研究结果表明:基于迁移学习的残差网络模型识别跌倒与投掷动作的准确率,优于其他深度神经网络模型,能够有效识别不安全行为从而避免由人为因素导致的事故发生。

来源：2020年第3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2020年第3期