多尺度注意力融合的安全护具佩戴检测

作者：陈菡菡^*

来源：闽江学院学报, 2023, 44(05): 63-72.

DOI：10.19724/j.cnki.jmju.2023.05.008

• 深度学习
• 安全护具佩戴检测
• 多尺度融合
• YOLO算法
• 小目标检测

为了确保电力作业人员按要求佩戴个人安全护具，保障其人身安全，提出了一种基于YOLOv3的多特征融合算法，检测变电站工作人员是否规范佩戴安全护具。在特征提取网络部分引入压缩与激励网络SENet模块，提升检测能力。在YOLOv3输出的3个特征图基础上，增加输出一个小尺度的特征图，为后续网络特征融合阶段提供更多小目标特征信息。由于数据集中安全帽目标居多而其他目标较少，引入迁移学习策略平衡目标样本数量，进一步提高安全护具的检测精度。为验证算法的有效性，构建一组关于安全护具佩戴情况的数据集。实验结果表明，该方法在保持检测速度相当的情况下，将平均精度提高了6.13%,每秒帧数可达47.4,能够较好地应用于安全护具佩戴检测任务。

• 单位
  湄洲湾职业技术学院