科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决电气工人防护设备检测问题，通过改进YOLOX算法，提出检测工作人员防护设备的模型。首先在预测部分改进损失函数，为解决损失函数计算存在的缺陷，对IOU损失的计算方法进行改进，根据防护设备任务特性，通过调整各种类型损失函数的权重，增加对模型误判的惩罚，对模型进行优化；其次在算法主干网络中引入CBAM注意力模块提高神经网络对工人防护设备的感知能力；最后在算法Neck部分，将UpSample结构用于多尺度特征融合，加强网络的细节表达能力，从而提升对小目标困难样本的检测精度。研究结果表明：改进后的YOLOX模型平均精度均值达到87.24%,与已有YOLOX模型相比提升2.46%,具备有效性，适用于变电站工人防护设备检测。研究结果可为电气工人提供更高的防护装备检测精度。
- 单位
