基于FocalLoss的煤矿井下人员安全视觉监测方法

作     者：陈立烨 党浚哲 崔子航 陈思妍 段琦锋 CHEN Liye;DANG Junzhe;CUI Zihang;CHEN Siyan;DUAN Qifeng

作者机构：中国矿业大学(北京)机电与信息工程学院北京100083 

出 版 物：《现代信息科技》 (Modern Information Technology)

年 卷 期：2023年第7卷第13期

页      面：96-100页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 0819[工学-矿业工程] 081903[工学-安全技术及工程] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

主　　题：深度学习 人员检测 矿井安全 实时监测 

摘      要：监测矿井工作人员违规进入或误入煤矿井下危险区域是煤矿安全管理的重要内容,对工作人员违规进入或是误入危险区域的行为及时监测和报警是减少事故的重要手段。针对煤矿井下危险区域的监测,提出一种基于FocalLoss的人工智能方法,实现对进入危险区域的人员及时报警。经过实验测试与分析,这种方法对人员检测的平均精度达到95.6%,检测速度达到9.9 f/s,优于对比算法,具有较高的准确性和实时性。