基于轻量化YOLOv7的井下高压场景安全识别研究

为了使杨柳煤矿安全监测平台精准快速地识别机电人员高压作业场景中存在的不安全行为,以井下中央变电所为例,聚焦绝缘护具佩戴情况设计安全识别框架。基于YOLOv7目标检测算法引用部分卷积(PConv),提高模型在处理遮挡或缺失画面的鲁棒性和泛化能力;融合快速神经网络结构(FasterNet),降低计算冗余优化检测性能;最后融合时间空间注意力模块(CBAM),提高算法的特征提取能力。实验结果表明:轻量化处理后较原模型体积缩小30.5%,计算量减少23.7%,识别平均精度可达97.3%,单张图片检测速度提升38.1%。在复杂背景下小目标检测任务中有效地解决了漏检问题。