基于YOLOv5s的安全帽识别研究  

作　　者：王冲 姚有利[1] WANG Chong;YAO Youli

机构地区：[1]山西大同大学煤炭工程学院,山西大同037003

出　　处：《信息技术与信息化》2025年第4期166-169,共4页Information Technology and Informatization

基　　金：山西大同大学研究生实践创新类项目(2024SJCX14)。

摘　　要：在煤矿和建筑等行业生产作业中,由于工作人员未正确佩戴安全帽而导致的安全事故不在少数,传统的人工检查方式存在诸多不足,为提高检测准度和效率,文章提出了一种基于YOLOv5s的改进算法模型。首先对YOLOv5s模型进行改进,通过添加小目标检测层来提高算法对小目标的检测;然后使用Focal-EIoU损失函数来替代CIoU提高目标检测模型的精度;最后在数据集进行训练,训练结果显示:改进后的算法mAP@0.5达到了88.3%,在原始算法86.1%的基础上提高了2.2%。改进后的检测算法为安全帽智能识别奠定理论基础。

关 键 词：YOLOv5s 深度学习 Focal-EIoU 小目标检测层 安全帽 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]