科研之友
微信
新浪微博
Facebook
分享链接
摘要
佩戴安全帽能够保护生产工作者头部免受坠物撞击带来的伤害。轧钢车间存在空间跨度大、作业设备繁多、环境杂乱、昼夜光照差别大、炫光、监控目标尺度变化范围大等问题，增加了安全帽佩戴检测难度。针对上述问题，设计了基于改进YOLOv7模型的轧钢车间安全帽佩戴检测方案；算法基于NWD方法改进损失函数以提高目标检测精度，并在SPPCSPC模块上增加了BiFormer模块，使模型对小目标具有更好的检测精度，同时不会增加运算负担，优于其他注意力机制。在自建安全帽数据集上对改进的YOLOv7模型进行训练，实验表明，改进的YOLOv7模型平均精度均值为99.3%，检测速度达82FPS，与其他主流算法、改进算法对比，改进YOLOv7的mAP指标最高，大大超过了其他模型的指标，同时检测速度基本与改进模型前相差不大，并没有因为精度提高而明显降低检测速度，有较好效果。
- 单位
