基于改进YOLOv4的电力高空作业安全带检测

作者：顿伟超; 王淑青^*; 张鹏飞; 王娟

来源：湖北工业大学学报, 2022, 37(05): 6-11.

• 安全带
• 深度学习
• YOLOv4
• MobileNet
• 卷积神经网络

为了让电力工作人员在电力作业中采取规范的防护措施，提出了一种基于改进YOLOv4的电力高空作业识别及安全带佩戴检测算法。首先，该算法采用MobileNetv2作为主干提取网络，在保证较好的特征提取效果同时降低了网络的参数量，提高模型的识别速度；然后使用K-means聚类算法对数据集中的目标边框重新聚类，并调整空间金字塔池化结构，提高模型的检测精度；最后使用Soft-NMS算法替换原NMS算法降低目标的漏检率。实验结果表明，改进YOLOv4网络模型比原YOLOv4模型mAP提高3.2%,检测速度提高30fps,模型的训练权重大小压缩4.16倍，算法在高空作业安全带检测上具有很强的实用性和高效性。

• 单位
  电子工程学院; 湖北工业大学