煤矿工作面喷雾除尘场景下的安全帽识别算法

首先针对煤矿工作面喷雾除尘场景下监控系统采集到的图片模糊、清晰度低的问题,提出了一种基于DeDi-Transformer(Density Difference-Transformer)的煤矿工作面图像去雾算法,该算法利用密度差实现密度感知,对采集的工作面监控图像进行增强,提高图像中人员安全帽的清晰度;其次针对煤矿工作面监控系统很难快速准确识别出煤矿工人是否佩戴安全帽的问题,提出了一种基于SAC-YOLOv9(Supervised Atrous Convolution-YOLOv9)的安全帽识别算法,该算法在YOLOv9主干提取网络中加入监督空洞卷积,获取不同尺度的感受野,加快特征提取,提高安全帽识别的精度。实验结果表明,DeDi-Transformer算法在Braize-Haze数据集上的PSNR为19.85 dB,比DeHamer算法提升了2.49 dB;SSIM为0.7179,比DeHamer算法提高了0.0434。SAC-YOLOv9算法在Dehaze-Helmet数据集上的mAP为95.7%,与YOLOv9算法相比提升了2.3%。