基于改进YOLOv5的安全反光背心检测方法研究

为了解决安全反光背心传统检测方法效率低下的问题,文章提出了一种基于改进YOLOv5的安全反光背心检测方法。该方法采用GhostNet对主干网络进行轻量化改进,同时引入CBAM注意力模块以提高检测精度,最后应用Python的PySide6库搭建GUI界面并进行交互设计。通过开发检测系统实现了安全反光背心的穿戴检测和检测结果展示。实验结果表明:提出的优化模型mAP@0.5值达到89.02%,具有较高的检测精度。与原YOLOv5模型相比,参数量和计算量分别下降24.8%和56.3%,显著降低了检测模型的计算资源需求,适合嵌入式平台部署检测,从而提高了该模型的实用性。研究为安全反光背心检测提供了智能方法,同时为施工安全管理数字化提供了新的思路。