典型文献
基于卷积神经网络的安全帽检测系统
文献摘要：
安全帽作为常见的施工人员需要佩戴的一种安全防护设备,其佩戴情况的检测方式主要分为三种:第一种方式是基于嵌入式感应设备的安全帽检测,通过在安全防护设备中嵌入微型传感器,实时监测其使用情况.第二种方式是以计算机视觉检测安全帽为基础,这种安全帽检测主要有两种方式:其一是以颜色、形状等简单特征为基础,对安全帽进行识别.其二是以人工设计特点为基础的安全帽检测.方法三:基于深度学习检测安全帽.随着计算机运算能力的逐步提高和算法的不断更新,利用卷积神经网络进行的安全帽检测成为更好的选择.使用深度学习的方法具有较好的环境适应性,减少了施工环境复杂度对准确度的影响,进一步提高了安全帽的检测速度和准确度.本文设计基于卷积神经网络使用YOLOv5模型添加了CBAM注意力机制,实现对安全帽的检测.
文献关键词：
中图分类号：
作者姓名：
胡雪竹;何为;赵芳;李文清;叶青
作者机构：
北方工业大学信息学院
文献出处：
引用格式：
[1]胡雪竹;何为;赵芳;李文清;叶青-.基于卷积神经网络的安全帽检测系统)[J].中国科技信息,2022(24):114-116
A类：
B类：
安全帽检测,施工人员,佩戴,安全防护,防护设备,检测方式,第一种,应设,入微,微型传感器,第二种,计算机视觉,视觉检测,两种方式,设计特点,机运,运算能力,逐步提高,和算,不断更新,使用深度,环境适应性,施工环境,环境复杂度,对准,检测速度,网络使用,YOLOv5,CBAM,注意力机制
AB值：
0.331026
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。
