一种工厂安全穿戴的检测方法及系统技术方案

本发明专利技术公开了一种工厂安全穿戴的检测方法，包括：收集工厂作业人员穿戴防护设备的数据集，将获得的数据集进行预处理；在YOLOv8模型中引入跨空间学习的高效多尺度注意力机制；使用改进后的FAC2fMS模块，将Backbone网络中的C2f模块替换为FAC2fMS模块；设计DG‑head检测头，平衡检测的准确性与复杂度；使用损失函数slideloss；将预处理后的图像基于改进的模型进行目标检测模型训练，并结合迁移学习提高模型训练效果；最后使用Gradio部署模型的用户界面以创建一个交互式界面，在该界面将待检测图像选好后可提交进行检测，在可视化界面获得检测结果。本发明专利技术提高了检测效率和识别精度，且提供了一个可视化界面，具有良好的应用前景。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，具体涉及一种工厂安全穿戴的检测方法及系统。

技术介绍

1、在工厂作业时，工人需要穿戴安全防护装备，以防止意外坠落物或其他危险物伤害头部和身体，这是对自己、对他人的一种保护和责任。工作人员的安全保障对构建持续化高质量的工业生产系统有着至关重要的作用，检测其是否穿戴安全防护装备，从而及时发现违规行为和安全隐患，做出提醒，保障工人的生命财产安全。

2、但由于工厂现场的作业设备繁多、环境杂乱且生产监管人员有限，传统的人工监管难以实现工业生产现场安全规范的全方位监控，尽管在之后通过回放监控录像能够发现存在人员违反安全规章制度的现象，但事故发生后，这些现象是无法得到有效制止的，且无法及时阻止意外的发生。

3、尽管通过人员抽检监控，也可以实现现场工人的安全管理，但是仅仅通过人员定时抽查，实时效率低，而且不便于收集安全管理方面的数据，存在自动化程度不足的问题，因此，传统的人工监管方法仍然存在着极大的事故突发安全隐患，且大量场景的人工监管会增加人力成本。

技术实现思路

1、专本文档来自技高网...

【技术保护点】

1.一种工厂安全穿戴的检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种工厂安全穿戴的检测方法，其特征在于，所述步骤3中引入跨空间学习的高效多尺度注意力模块EMA，使用一个多尺度并行子网络来建立短程和长程依赖关系，将两个卷积核分别放置在并行子网络中；其中一个并行子网络是1x1卷积核，另一个是3x3卷积核，并且通过跨空间学习方法融合两个并行子网络的输出特征图。

3.根据权利要求1所述的一种工厂安全穿戴的检测方法，其特征在于，所述步骤3中设计的FAC2fMS模块具体包括：FAC2f是将C2f中的Bottleneck模块改进，改进后Bottleneck由...

【技术特征摘要】

1.一种工厂安全穿戴的检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种工厂安全穿戴的检测方法，其特征在于，所述步骤3中引入跨空间学习的高效多尺度注意力模块ema，使用一个多尺度并行子网络来建立短程和长程依赖关系，将两个卷积核分别放置在并行子网络中；其中一个并行子网络是1x1卷积核，另一个是3x3卷积核，并且通过跨空间学习方法融合两个并行子网络的输出特征图。

3.根据权利要求1所述的一种工厂安全穿戴的检测方法，其特征在于，所述步骤3中设计的fac2fms模块具体包括：fac2f是将c2f中的bottleneck模块改进，改进后bottleneck由pconv与卷积核大小为1*1的卷积构成fac2f，在fac2f尾部嵌入msca注意力，构成fac2fms模块，更换backbone网络中的c2f模块为fac2fms模块。

4.根据权利要求1所述的一种工厂安全穿戴的检测方法，其特征在于，所述步骤3中dg-head检测头模块，是对检测头重新设计，新的解耦头将检测任务分为分类和回归分支，两个分支均是由卷积核为一的gsconv和两个一维与二维标准卷积连接而成。

5.根据权利要求1所述的一种工厂安全穿戴的检测方法，其特征在于：所述步骤4中训练改进的yolov8模型的过程包括：

6.根据权利要求1所述的一种工厂安全穿戴的检测方法，其特征在于：...

【专利技术属性】
技术研发人员：付步颖，王文豪，伍言伦，孙陈瑾，靳陶阳，房静，牟孝志，陈鑫，于振洋，安梦珂，刘芷睿，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：