一种改进YOLOv7算法煤矿井下安全帽佩戴检测方法技术

由于井下环境复杂，低光照以及安全帽的物体较小导致的检测效果不理想。针对这一问题，我们公开了一种改进YOLOv7算法煤矿井下安全帽佩戴检测方法。首先，针对低光照条件下图像特征易受噪声干扰的局限性，提出多尺度MELAN模块，通过构建多尺度注意力机制来捕捉更广泛的上下文信息，进而强化特征信息的提取，并有效抑制噪声的干扰。其次，在主干网络使用软池化和全维动态卷积构建OD‑SMP模块，减少了特征映射中的信息弥散，保留了更多上下文信息，增强对小目标的检测能力；最后，对于煤矿井下不同光照和距离的复杂背景和环境，导致检测样本质量出现参差不齐的情况，使用Wise‑IoU作为损失函数。本发明专利技术方法具有较好的检测效果，对建设智能化矿井具有重大意义。

【技术实现步骤摘要】

本专利技术属于计算机视觉，具体是一种改进yolov7算法煤矿井下安全帽佩戴检测方法。

技术介绍

1、作为采矿现场安全管理的一部分，煤矿工人必须佩戴安全帽，因为安全帽可以有效地减少和分配冲击力。根据最近的矿山安全事故报告，由于缺乏安全防范意识，偶尔会发生不戴头盔造成的伤亡。因此，为了保护煤矿工人的生命安全，煤矿单位必须监督他们正确佩戴安全帽。

2、在早期的人工监测任务中，经常使用人工监管来确定煤矿工人是否佩戴头盔，由于监管人员的主观性和难以了解矿山情况，这容易产生安全隐患，并增加了高昂的劳动力成本。5g、互联网和大数据等技术的发展和成熟，促进了智能矿山的建设。实时监控人员信息和提供安全保障的主要方法是“视频监控”相结合。智能检测煤矿工人是否佩戴安全帽，对消除人工监测造成的缺陷具有重要的研究价值，它引起了许多学者的研究。

3、在当前的研究背景下，深度学习技术已被众多国内外学者广泛应用于安全帽检测领域。徐先峰等人通过创新性地结合mobilenet网络和单次多边框检测ssd（single shotmultibox detector）算法，显本文档来自技高网...

【技术保护点】

1.一种改进YOLOv7算法煤矿井下安全帽佩戴检测方法，其特征在于，所述检测方法包括以下4个阶段：

2.根据权利要求1所述的安全帽佩戴检测方法，其特征在于：

3.根据权利要求1所述的安全帽佩戴检测方法，其特征在于：

4.根据权利要求1所述的安全帽佩戴检测方法，其特征在于：

【技术特征摘要】

1.一种改进yolov7算法煤矿井下安全帽佩戴检测方法，其特征在于，所述检测方法包括以下4个阶段：

2.根据权利要求1所述的安全帽佩戴检测方法...

【专利技术属性】
技术研发人员：康程洋，吴立，穆绍猛，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：