基于改进YOLOv5s的建筑护栏目标检测

作     者：俞恺 洪涛 厉勋 YU Kai;HONG Tao;LI Xun

作者机构：中国计量大学质量与安全工程学院浙江杭州310018 浙江省一建建设集团有限公司浙江杭州310018 

出 版 物：《现代电子技术》 (Modern Electronics Technique)

年 卷 期：2024年第47卷第14期

页      面：135-141页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 0711[理学-系统科学] 13[艺术学] 07[理学] 08[工学] 081104[工学-模式识别与智能系统] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：建筑工地无人机现场管理系统研发项目(H211335) 

主　　题：目标检测 建筑护栏 改进YOLOv5s Biformer注意力机制 CBAMC3 CLAHE算法 

摘      要：目前,建筑场所上仍存在因建筑护栏缺失或建筑护栏安全性降低而导致的建筑工人高空坠亡事件。针对该问题,提出一种基于改进YOLOv5s的建筑护栏检测算法。首先,针对建筑护栏普遍存在的安全隐患,收集影响护栏安全性较大的情况的图像,例如:建筑护栏栏板的存在图像、建筑护栏栏板的缺失图像、护栏网图像、护栏栏板衔接错位图像和护栏栏板衔接正确图像等,并且制作成训练数据集。为提升YOLOv5s在复杂环境下多目标检测任务和区分任务结果的准确率,将新型的Biformer注意力机制与SE注意力机制相结合,嵌入到原模型的特征提取网络中,并利用CBAMC3取代原特征提取网络的C3模块。最后,使用CLAHE算法较大程度地解决部分图像亮度偏暗,影响检测精度的问题。实验结果表明,所提检测算法的mAP50值和召回率分别达到了79.6%和83%,相比于原YOLOv5s算法分别提高了3.7%和6.8%。