基于深度学习的劳动防护用品佩戴检测系统

发布时间：2022-01-17 12:22

　　工业企业生产现场环境复杂、具有一定的危险性,要求作业人员穿戴劳保用品以保证作业过程不受人身伤害。文章设计了基于深度学习人员劳保用品佩戴检测系统,基于深度学习目标检测模型,检测图像中的人员、安全帽、CO报警仪等目标和规范佩戴推断算法,实现了作业人员劳保用品佩戴自动识别,准确率达到90%以上。 

【文章来源】：包钢科技. 2020,46(04)

【文章页数】：3 页

【部分图文】：

违章检测识别结构

本系统模型主体采用深度卷积神经网络模型，卷积神经网络(CNN)由输入层、卷积层、激活函数、池化层、全连接层组成。其中卷积层CONV1、CONV2、CONV3用于学习不同尺度的图像特征，Pb、Pc用于预测目标种类和位置。基于构造的安全行为数据集，模型设计及训练优化的技术路线采用分步训练、递进优化的策略，利用交叉验证的训练方法分布训练优化模型，得到模型参数[2]。

【参考文献】：
期刊论文
[1]面向小目标的多尺度Faster-RCNN检测算法[J]. 黄继鹏,史颖欢,高阳.  计算机研究与发展. 2019(02)
[2]基于卷积神经网络的马铃薯叶片病害识别系统[J]. 赵建敏,李艳,李琦,芦建文.  江苏农业科学. 2018(24)



本文编号：3594720