科研之友
微信
新浪微博
Facebook
分享链接
摘要
在智慧电厂建设中，通常采用计算机视觉技术对部署在工业厂房的监控摄像头传回的监控视频进行检测，监控工人是否规范穿着安全服，由于火电厂中场景较为复杂，直接使用现有数据集与算法，模型准确度无法满足使用要求。基于工业监控视频构建了火电厂场景中的安全服目标检测数据集。针对YOLOv5对安全服目标检测准确率较低的问题，使用EfficientNet,ResNet-50,ShuffleNet与MobileNet等多种算法模型替换原YOLOv5的Backbone模块网络结构，提出了基于YOLOv5的模型融合算法。基于构建的火电厂安全服目标检测数据集，选取目前相关领域的最优算法，与优化改进后的YOLOv5算法进行对比实验。实验结果表明，改进后的YOLOv5+EfficientNet算法在火电厂安全服数据集中的准确率得到显著提升，最高检测准确率达到96.6%。
- 单位
