基于机器学习方法的员工安全帽佩戴检测  

作　　者：张硕羲 任佳亮 陈峰 曹存盼 易杨 ZHANG Shuoxi;REN Jialiang;CHEN Feng;CAO Cunpan;YI Yang

机构地区：[1]中油(长汀)催化剂有限公司,福建龙岩361000 [2]中国石油兰州石化公司,甘肃兰州730000

出　　处：《信息技术与信息化》2025年第1期98-101,共4页Information Technology and Informatization

摘　　要：针对当前化工行业中员工安全帽佩戴检测方法效率低、实时性差等问题,为减少员工由于未佩戴安全帽进入生产装置而发生意外情况,提高安全生产效率,文章提出了一种基于改进YOLOv5算法的员工安全帽佩戴检测方法。首先,采用多尺度Retinex(MSR)图像处理算法对生产现场视频图像进行预处理,提高视频图像的信噪比,降低噪声干扰;其次,结合SKNet动态注意力机制对原YOLOv5算法模型进行改进,提高视频特征信息提取能力,优化算法的检测精度;最后,对改进的Im-YOLOv5模型的检测准确率进行实验验证。实验结果表明,改进的Im-YOLOv5模型的mAP(mean average precision)达到了93.5%,其准确率相较于YOLOv5得到了提升,具有较好的检测效果。

关 键 词：Retinex(MSR) 预处理 信噪比 动态注意力机制 Im-YOLOv5 

分 类 号：TQ086[化学工程] TP391.41[自动化与计算机技术—计算机应用技术] TP181[自动化与计算机技术—计算机科学与技术]