典型文献
基于隧道智能安全巡检机器人的人员穿戴识别模型研究
文献摘要：
在轨道交通施工过程中需通过大量巡检工作保证隧道内安全,其中工作服和安全帽是安全防范中的关键因素.但是由于人工巡检成本较高、费时费力且无法及时获得巡检结果.为此,文中利用神经网络的图像识别方法,构建基于YOLO V4改进的轻量型检测模型,高效实时地对隧道人员的穿戴进行识别.将该模型应用于隧道巡检机器人,实际测试结果表明,该模型识别准确率可达98％,泛化能力更强,解决了图像质量差和光照对人员穿戴识别率的影响,提高了隧道内安全监测的智能化水平.
文献关键词：
地铁隧道;巡检机器人;目标检测;神经网络;人员识别
中图分类号：
作者姓名：
陈可;刘绥美;姚秀军;石晶晶;王栋
作者机构：
中铁工程服务有限公司,四川成都610083;京东科技集团机器人产品部,北京100176
文献出处：
引用格式：
[1]陈可;刘绥美;姚秀军;石晶晶;王栋-.基于隧道智能安全巡检机器人的人员穿戴识别模型研究)[J].电子设计工程,2022(09):37-41
A类：
B类：
智能安全,巡检机器人,穿戴,识别模型,在轨,施工过程,作保,隧道内,工作服,安全帽,安全防范,人工巡检,费时费力,图像识别,YOLO,V4,轻量型,检测模型,道人,模型应用,隧道巡检,实际测试,模型识别,识别准确率,泛化能力,图像质量,识别率,安全监测,智能化水平,地铁隧道,目标检测,人员识别
AB值：
0.492662
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。
