文献类型：期刊文章

作　　者：王玲敏[1] 段军[1,2] 辛立伟[3]

WANG Lingmin;DUAN Jun;XIN Liwei(School of Information Engineering,Inner Mongolia University of Science&Technology,Baotou,Inner Mongolia 014010,China;Mining Research Institute,Inner Mongolia University of Science&Technology,Baotou,Inner Mongolia 014010,China;Baotou Lianfang Information Automation Co.,Ltd.,Baotou,Inner Mongolia 014010,China)

机构地区：[1]内蒙古科技大学信息工程学院,内蒙古包头014010 [2]内蒙古科技大学矿业研究院,内蒙古包头014010 [3]包头市联方信息自动化有限责任公司,内蒙古包头014010

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(61962046)。

年　　份：2022

卷　　号：58

期　　号：9

起止页码：303-312

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：对于钢铁制造业、煤矿行业及建筑行业等高危行业来说,施工过程中佩戴安全帽是避免受伤的有效途径之一。针对目前安全帽佩戴检测模型在复杂环境下对小目标和密集目标存在误检和漏检等问题,提出一种改进YOLOv5的目标检测方法来对安全帽的佩戴进行检测。在YOLOv5的主干网络中添加坐标注意力机制(coordinate attention),该机制将位置信息嵌入到通道注意力当中,使网络可以在更大区域上进行注意。将特征融合模块中原有特征金字塔模块替换成加权双向特征金字塔(BiFPN)网络结构,实现高效的双向跨尺度连接和加权特征融合。在自制安全帽数据集上实验结果表明,改进的YOLOv5模型平均精度达到了95.9%,相比于YOLOv5模型,平均精度提高了5.1个百分点,达到了在复杂环境下对小目标和密集目标检测的要求。

关 键 词：安全帽佩戴检测  YOLOv5算法  加权双向特征金字塔  坐标注意力机制  

分 类 号：TP391.41]