典型文献
火电厂监控视频安全帽检测方法研究
文献摘要：
安全帽是火电厂生产环境中非常重要的安全防护装备,利用计算机视觉领域中的相关技术对其检测能有效保障工业生产安全.针对安全帽在复杂工业环境中易受到光照环境变化、多遮挡、目标过小导致检测困难的问题,构建了安全帽目标检测数据集,改进了YOLOv5目标检测算法的Head模块,对Anchor的数目与大小进行了调整,通过k-means聚类算法对安全帽数据集重新聚类,增加自顶向下网络特征提取过程中的上采样模块,对提取到的特征图进一步扩大,并将深层特征与浅层特征信息充分融合,增强了模型多尺度特征提取能力.基于构建的工业场景安全帽目标检测数据集,将改进后的YOLOv5算法与目前相关领域最优算法进行对比实验.实验结果表明,改进后的YOLOv5算法在准确率方面均得到显著提升,最高检测率达到了98.1％.综合考虑算法检测速度、精度与模型体积等多种因素,改进后的YOLOv5算法可以满足工业场景中检测的需求.
文献关键词：
目标检测;安全帽检测;YOLOv5;YOLO;工业视频监控
中图分类号：
作者姓名：
游锦伟;薛涛;于俊清
作者机构：
国能长源汉川发电有限公司,湖北 汉川 431614;华中科技大学计算机科学与技术学院,湖北 武汉 430074
文献出处：
引用格式：
[1]游锦伟;薛涛;于俊清-.火电厂监控视频安全帽检测方法研究)[J].湖北电力,2022(02):97-103
A类：
B类：
火电厂,监控视频,安全帽检测,生产环境,安全防护装备,利用计算机,计算机视觉,生产安全,杂工,工业环境,中易,光照环境,遮挡,检测数据集,YOLOv5,目标检测算法,Head,Anchor,means,聚类算法,自顶向下,下网,网络特征,上采样,样模,取到,特征图,深层特征,特征信息,充分融合,多尺度特征提取,特征提取能力,工业场景,最优算法,最高检,检测率,检测速度,工业视频监控
AB值：
0.406513
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
