【技术实现步骤摘要】
本专利技术涉及目标检测,涉及但不限定于一种工人不安全行为检测方法、装置、设备及介质。
技术介绍
1、尽管建筑行业中工业化、智能化进程不断推进,越来越多的人工作业被各类机器所代替,但是建筑施工的主体工作仍旧需要大量工人来完成。研究如何有效监督工人的不安全行为,对防止安全隐患事故具有重大的意义。
2、传统的工人不安全行为检测方法主要依赖于人工巡检和监控,这种方法存在效率低、成本高、准确度差、主观性强等问题,难以满足现代工业安全管理的需求。随着深度学习技术的快速发展,基于深度学习的图像识别方法在建筑行业的安全方面展现出了很大的潜力,其利用计算机进行识别的手段可以在目标出现的瞬间做出反应,单张图像的识别时间可控制在10毫秒以内,解决了传统方法的效率问题;依靠计算机,能够实现对工人不安全行为的自动化检测与识别,缓解了传统方法的人力成本问题;随着各种基于深度学习的检测模型推出,各类检测任务的准确性已经达到了较高的地步,基本上能做到有错必检,解决了传统方法准确度差的问题;最后,深度学习可自主学习图像特征,完成目标的检测学习,在特征的提取上
...【技术保护点】
1.一种工人不安全行为检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述多种不安全行为包括是否佩戴安全帽、是否穿戴反光衣、抽烟、攀爬、摔倒行为。
3.根据权利要求1所述的方法,其特征在于,所述对所述原始数据集进行预处理和数据增强得到样本数据集,包括:
4.根据权利要求1所述的方法,其特征在于,所述构建改进型YOLOv8模型,包括:
5.根据权利要求1至4任一项所述的方法,其特征在于,所述基于所述样本数据集对所述改进型YOLOv8模型进行训练和验证,包括:
6.根据权利要求5所述的方法
...【技术特征摘要】
1.一种工人不安全行为检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述多种不安全行为包括是否佩戴安全帽、是否穿戴反光衣、抽烟、攀爬、摔倒行为。
3.根据权利要求1所述的方法,其特征在于,所述对所述原始数据集进行预处理和数据增强得到样本数据集,包括:
4.根据权利要求1所述的方法,其特征在于,所述构建改进型yolov8模型,包括:
5.根据权利要求1至4任一项所述的方法,其特征在于,所述基于所述样本数据集对所述改进型yolov8模型进行训练和验证,包括:
6.根据权利要求5所述的方法...
【专利技术属性】
技术研发人员:牛恒茂,苏晨阳,王燕星,武文红,
申请(专利权)人:内蒙古建筑职业技术学院,
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。