改进的YOLOv5算法在安全帽检测中的研究  

作　　者：徐梓翔 王娜 李睿思 杨柳燕 肖俊武 

机构地区：[1]豫章师范学院,南昌330103

出　　处：《电脑编程技巧与维护》2025年第4期23-26,共4页Computer Programming Skills & Maintenance

基　　金：2024年江西省大学生创新创业训练计划项目(基于CBAM改进的YOLOv5算法模型在安全帽佩戴检测中的应用研究),项目编号:S202413774007。

摘　　要：随着工业智能化加速推进,作业人员安全防护需求持续升级,其中,对安全帽佩戴状态的精准识别已成为施工现场安全保障的核心环节。但目前主流目标检测算法在复杂环境下对安全帽佩戴检测存在误检漏检问题。为此,提出了基于CBAM注意力机制改进的YOLOv5算法模型,以提高检测的准确性和实时性。引入了CBAM增强模型对关键特征的捕捉能力,通过自适应调整特征提升检测性能。实验测试表明,改进后的模型在保持高检测速度的同时,准确率较原始模型有所提高。该算法在建筑工地等复杂场景中表现出良好的工程适用性,能够有效支撑安全帽佩戴状态的自动化监测需求。

关 键 词：安全帽检测 YOLOv5算法 CBAM注意力机制 工业安全 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]