基于改进YOLOv5s的智能车间工人不安全行为实时检测方法

作     者：罗国富 王源 李浩 杨文超 吕林东 LUO Guofu;WANG Yuan;LI Hao;YANG Wenchao;LYU Lindong

作者机构：郑州轻工业大学机电工程学院河南郑州450000 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2024年第30卷第5期

页      面：1610-1619页

核心收录：

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020205[经济学-产业经济学] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上资助项目(52175256) 河南省科技攻关重点资助项目(232102221043,225200810029) 河南省科技攻关资助项目(232102220061) 

主　　题：智能车间 不安全行为 YOLOv5s 结构化剪枝 实时检测 

摘      要：生产安全是以人为本的智能制造基本要求,为满足智能车间工人不安全行为的实时性检测和边缘端部署需求,提出一种基于轻量化的YOLOv5s的工人不安全行为检测方法。首先,对YOLOv5s特征融合网络以及输出层进行删除;其次,对改进后网络训练得到的模型文件进行结构化剪枝;最后,使用知识蒸馏对剪枝后的网络模型进行微调。实验结果表明,改进后YOLOv5s算法的mAP@0.5高达97.8%,刷新率提升108%,所需算力下降了69.0%。所提出的YOLOv5s-2Detect网络及轻量化设计方案对智能车间工人不安全行为检测具有较高的精度,实时性与鲁棒性能够满足智能车间实际环境中工人不安全行为的检测需求。