基于YOLO v5的变电站作业人员着装规范性识别

作者：何蕾; 葛鑫; 郝晨煜; 张磊; 常帅

来源：电力大数据, 2021, 24(10): 1-8.

DOI：10.19317/j.cnki.1008-083x.2021.10.001

• 着装规范性
• 监控图像
• 数据集优化
• 变电站
• 目标检测

为了对变电站现场作业人员工作服着装规范性进行有效识别,防止作业人员穿短袖或将长袖的袖子卷起,本文采用了YOLO v5实时目标检测算法,针对长袖/短袖两类检测问题,修改分类器,将输出层修改为21维张量。对变电站实际工作现场采集到的7135张样本进行标注,对数据集进行图像增广和色彩调整,并对初始化锚框进行聚类分析。基于YOLO v5在COCO上的预训练模型,利用难例挖掘等手段调整训练目标,最终得到最优的监控场景下工作人员着装规范性的检测模型。实验结果表明,在1000张图片测试集上查准率为97.01%,查全率为96.60%,mAP值为0.8767。在实验环境下平均响应速度达到了38ms。最后,将模型封装为微服务,部署于变电站辅助系统。该着装规范性识别模型速度快、误报少,满足了安全监察需求。