基于FE-YOLOv5s 的变电所安全帽佩戴检测

本研究针对变电所安全帽佩戴检测任务中存在的漏检、误检和低精准率等问题,提出了一种基于FE-YOLOv5s的改进算法。首先,通过引入FReLU激活函数构建了FSPPF模块,有效增强了网络的特征提取能力,从而提升了检测性能。其次,采用ECA注意力机制提高了模型对关键特征的关注度,特别集中在安全帽这一小尺度目标上提高检测的准确性,降低漏检误检的概率。实验结果表明,FE-YOLOv5s在自建数据集上取得了显著的提升,精准率达到0.941,mAP值为0.898,相较于原始模型分别提高了9.93%和4.6%,表现出较好的检测效果。这一改进算法为解决变电所安全帽佩戴检测问题提供了一种有效的解决方案。