文档名：基于改进YOLO的不规范佩戴安全帽检测
摘要：为改善现有变电站巡检人员不规范佩戴安全帽检测时效率、精度低的问题,提出一种基于改进YOLO的轻量化变电站人员不规范行为检测模型.该模型由特征提取网络、ECA-SPP和ECA-PANet网络以及预测网络组成;特征提取网络中使用MobileNetV3;提取4个尺度的特征图并将其输入到SPP和PANet网络中,并基于注意力机制进行优化;以建立的变电站人员不规范佩戴安全帽检测数据集为例,验证所提模型有效性.实验结果表明:所提模型mAP为0.8244,FPS为38.06,明显优于FasterRCNN、YOLOv4、YOLOx等模型,具有较高精度和更快的检测速度,可为变电站人员不规范佩戴安全帽的实时检测提供参考.
Abstract：Inordertosolvetheproblemoflowefficiencyandaccuracyinthedetectionofnon-standardsafetyhelmetwornbytheexistingsubstationpatrolpersonnel,alightweightsubstationpersonnelnon-standardbehaviordetectionmodelbasedonimprovedYOLOisproposed.Themodelconsistsofafeatureextractionnetwork,anECA-SPPnetwork,anECA-PANetnetworkandapredictionnetwork;MobileNetV3isusedinthefeatureextractionnetwork;featuremapsoffourscalesareextractedandinputintotheSPPandPANetnetworks,andareoptimizedbasedonanattentionmechanism;Theeffectivenessoftheproposedmodelisverifiedbythedatasetofthedetectionofnon-standardwearingofsafetyhelmetsinsubstations.TheexperimentresultsshowthattheproposedmodelmAPisa0.8244andFPSisa38.06,whichisobviouslybetterthanothermodelssuchasFasterRCNN,YOLOv4andYOLOx,andhashigheraccuracyandfasterdetectionspeed.Itcanprovideareferenceforreal-timedetectionofsubstationpersonnelwearingnon-standardsafetyhelmet.
作者：郭威 樊彦国 栗晓政 张兴富 王满意 Author：GuoWei FanYan'guo LiXiaozheng ZhangXingfu WangManyi
作者单位：国网河南省电力公司,郑州450018北京中电普华信息技术有限公司,北京100089
刊名：兵工自动化 ISTICPKU
Journal：OrdnanceIndustryAutomation
年，卷(期)：2024, 43(5)
分类号：TP393
关键词：电力系统 异常检测 负荷预测 支持向量机
Keywords：powersystem anomalydetection loadforecasting supportvectormachine
机标分类号：TP391TP242.3TM769
在线出版日期：2024年6月4日
基金项目：基于改进YOLO的不规范佩戴安全帽检测[
期刊论文] 兵工自动化--2024, 43(5)郭威 樊彦国 栗晓政 张兴富 王满意为改善现有变电站巡检人员不规范佩戴安全帽检测时效率、精度低的问题,提出一种基于改进YOLO的轻量化变电站人员不规范行为检测模型.该模型由特征提取网络、ECA-SPP和ECA-PANet网络以及预测网络组成;特征提取网络中使用Mo...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进YOLO的不规范佩戴安全帽检测 Detection of Nonstandard Wearing of Safety Helmet Based on Improved YOLO
基于改进YOLO的不规范佩戴安全帽检测.pdf
- 文件大小:
- 629.2 KB
- 下载次数:
- 60
-
高速下载
|
|
