基于改进YOLOv5的工业现场不安全行为检测

作     者：纪执安 周云奕 张玉媛 郭新然 石坤 JI Zhi'an;ZHOU Yunyi;ZHANG Yuyuan;GUO Xinran;SHI Kun

作者机构：中国特种设备检测研究院北京100029 

出 版 物：《中国安全科学学报》 (China Safety Science Journal)

年 卷 期：2024年第34卷第7期

页      面：38-43页

核心收录：

学科分类：08[工学] 0837[工学-安全科学与工程] 

基　　金：国家市场监督管理总局科技计划项目(2023MK208) 中国特种设备检测研究院青年基金资助(2023youth07) 

主　　题：YOLOv5 工业现场 不安全行为 检测模型 注意力机制 

摘      要：为准确识别复杂工业现场人员的不安全行为,减少安全事故的发生,提出一种改进的YOLOv5不安全行为检测模型。首先,在YOLOv5的backbone部分引入注意力机制,提高卷积网络对不安全行为特征的敏感度;其次,通过图像几何变换和像素级处理丰富训练样本数量,提升检测模型在不同工业环境中的泛化能力;然后,蒸馏检测模型并优化网络结构参数来加速模型的训练;最后,将模型训练迭代200次,模拟起重吊索、机器人自动化产线和操作间3类工业现场,检测人员是否穿戴安全帽、工作服以及是否在安全区域工作,并依据行为划定危险等级,判定人员是否安全生产。结果表明:该模型能检测昏暗、光照和遮挡等多类复杂工业环境下人员的12种不安全行为,且在不安全行为测试集上精确率为98.6%,召回率为99.2%,平均精度为97.58%。