文献类型：期刊文章

作　　者：余益鸿[1] 周传德[1] 孟明辉[1] 朱志强[1] 付朝毅[1] 张鑫[1]

YU Yihong;ZHOU Chuande;MENG Minghui;ZHU Zhiqiang;FU Zhaoyi;ZHANG Xin(College of Mechanical and Power Engineering,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院机械与动力工程学院,重庆401331

出　　处：《重庆科技学院学报（自然科学版）》

基　　金：重庆市科技重大主题专项重点研发项目“基于视觉测量和力度感知的智能手臂关键技术及产业化”(CSTC2018JSZX-CYZTZXX0026);重庆科技学院科技创新项目“基于视觉识别的升降电梯安全行为检测系统”(YKJCX2020306)。

年　　份：2022

卷　　号：24

期　　号：2

起止页码：79-83

语　　种：中文

收录情况：CAS、普通刊

摘　　要：为研究施工升降机人员超载、非内部人员闯入等不安全行为,设计了基于深度学习人员数量检测和非内部人员识别的软件系统。通过增大感受野、加深CSP2网络层数、引入形变卷积、Retinex图像增强对YOLOv5检测模型进行优化。对比分析YOLOv3、YOLOv4、YOLOv5、改进YOLOv5算法在不同光照强度下的平均检测准确率和鲁棒性。实验结果显示,改进YOLOv5算法的准确率和鲁棒性有较大幅度提升,其中,超员检测正确率为100%,非内部人员检测正确率为95%。

关 键 词：施工升降机 不安全行为 人员检测  改进YOLOv5算法  

分 类 号：TP391.4]