基于YOLOv5的油田作业现场吸烟检测方法

作者：孙召龙; 徐昕; 朱云龙; 田枫

来源：系统仿真技术, 2021, 17(02): 89-93.

DOI：10.16812/j.cnki.cn31-1945.2021.02.004

• 深度学习
• 吸烟检测
• 实时性
• YOLOv5网络

近年来,由于油田作业现场作业人员安全意识薄弱,导致火灾时有发生。传统的人工监控方式存在诸多问题,为实现对油田作业现场作业人员吸烟行为的智能化检测,设计了一种采用YOLOv5深度学习算法的油田作业现场吸烟行为检测方法。通过监控摄像头及单反相机采集真实场景下中距离的吸烟数据集,使用LabelImg平台手动标注,经过YOLOv5的四种预训练框架训练,通过对比训练过程中产生的结果得到最佳训练模型。实验结果表明,该模型能够准确检测与追踪中距离吸烟行为,其检测准确率达89%,平均检测速度为17.2 ms,满足实时性要求。目前,该算法已经部署到油田作业现场的监控中,可以对油田作业现场吸烟行为进行有效检测。

• 单位
  中国石油化工股份有限公司; 东北石油大学