【技术实现步骤摘要】
本专利技术属于计算机视觉领域的目标检测方法，具体涉及一种基于改进yolov5m的化工厂人员安全帽佩戴检测方法及系统。
技术介绍
1、头部是人体最重要，也是最脆弱的器官之一，直接关乎人的生命。化工厂生产区域环境复杂，部分区域管道安装位置低,人员进入时容易撞到头部，并且还存在高空坠物等较多安全隐患，严重威胁工人的生命安全，在生产区域佩戴安全帽显得尤为重要。目前大多数工厂主要依靠人工进行安全帽佩戴检查，监管效率低下且实时性和准确性难以得到有效保障。因此，对员工安全帽佩戴进行实时检测具有重大研究意义。
2、近年来，目标检测发展迅猛，智能化检测越来越广泛的应用于各个行业。针对目标检测算法一般分为两大类，一类是以yolo、ssd为主的单阶段方法。第二类是以r-cnn、fastr-cnn、faster r-cnn为主的双阶段方法。单阶段方法不需要得到建议框，直接产生物体的类别概率和位置坐标值，经过单次检测即可直接得到最终的检测结果，在检测速度上比双阶段方法快，但精度有所损失。双阶段方法在第一阶段找出目标物体出现的位置，得到建议框，再在第二...
【技术保护点】
1.一种基于改进YOLOv5m的化工厂人员安全帽佩戴检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进YOLOv5m的化工厂人员安全帽佩戴检测方法，其特征在于，所述步骤(1)实现过程如下：
3.根据权利要求1所述的一种基于改进YOLOv5m的化工厂人员安全帽佩戴检测方法，其特征在于，步骤(2)所述采用Wise-IoU v3作为网络模型损失函数通过以下公式实现：
4.根据权利要求1所述的一种基于改进YOLOv5m的化工厂人员安全帽佩戴检测方法，其特征在于，步骤(2)所述CAPAFE上采样模块包括核预测模块和内容
【技术特征摘要】
1.一种基于改进yolov5m的化工厂人员安全帽佩戴检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进yolov5m的化工厂人员安全帽佩戴检测方法，其特征在于，所述步骤(1)实现过程如下：
3.根据权利要求1所述的一种基于改进yolov5m的化工厂人员安全帽佩戴检测方法，其特征在于，步骤(2)所述采用wise-iou v3作为网络模型损失函数通过以下公式实现：
4.根据权利要求1所述的一种基于改进yolov5m的化工厂人员安全帽佩戴检测方法，其特征在于，步骤(2)所述capafe上采样模块包括核预测模块和内容感知重组模块。
5.根据权利要求4所述的一种基于改进yolov5m的化工厂人员安全帽佩戴检测方法，其特征在于，所述核预测模块首先对输入的h×w×c特征图通过1x1的卷积核输出h×w×cm，完成对通道数的压缩，减少计算量；其次利用一个kenconder×kenconder卷积层对压缩后的特征图进行内容编码，输入通道数为cm，输出通道数为σ2kup2；然后将通道维度展开到形状为σh×σw×kup×kup的上采样核，其中σ为上采样倍数，kup×kup为上采样核尺寸大小；然后用softmax对上采样核做归一化处理，使其卷积核权重和为1，得到输出特征图。
6.根据权利要求4所述的一种基于改进yolov5m的化工厂人员安全帽佩戴检测方法，其特征在于，所述内容感知重组模块对于核预测模块输出特征图中的每个位置，将其映射回输入特征图，取出以被映射区...
【专利技术属性】
技术研发人员：李强强，于坤，王浩然，管乾钧，高市洪，江佳敏，陈晓兵，金春花，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。