电厂工作人员工作时需佩戴绝缘手套进行故障检修等任务,若未佩戴绝缘手套进行操作,将发生严重的电击事故;针对电厂内工作人员绝缘手套佩戴检测精度不高的问题,提出一种基于改进YOLOv5s(You Only Look Once v5s)的电厂内人员绝缘手套佩...电厂工作人员工作时需佩戴绝缘手套进行故障检修等任务,若未佩戴绝缘手套进行操作,将发生严重的电击事故;针对电厂内工作人员绝缘手套佩戴检测精度不高的问题,提出一种基于改进YOLOv5s(You Only Look Once v5s)的电厂内人员绝缘手套佩戴检测方法;该检测算法首先引入自校准卷积,有效扩大感受野,加强网络对弱特征的提取能力;加入注意力机制SK,让网络更加关注待检测目标;将原YOLOv5s的损失函数替换为EIOU,来进一步提高网络对绝缘手套的检测精度;实验结果表明,相较于原始的YOLOv5s网络,改进后的网络提高了对绝缘手套佩戴的检测精度,其平均精度均值(mAP,mean Average Precision)提高了2.4%,证明了算法的实用性和高效性。展开更多
在配网不停电作业现场,利用监控视频进行作业风险管控已经得到越来越多的应用,但目前的检测主要是针对安全帽,且对背景复杂、目标部分遮挡等情况下的检测较为困难。为此,提出一种基于Openpose-CenterNet的绝缘护具检测模型。首先,利用Op...在配网不停电作业现场,利用监控视频进行作业风险管控已经得到越来越多的应用,但目前的检测主要是针对安全帽,且对背景复杂、目标部分遮挡等情况下的检测较为困难。为此,提出一种基于Openpose-CenterNet的绝缘护具检测模型。首先,利用Openpose网络对图像中的作业人员进行检测,确定作业人员的骨骼关键点;其次,利用关键点信息确定安全帽、绝缘手套、绝缘披肩及绝缘服的检测范围,再利用CenterNet网络在检测范围内进行目标检测。将该模型在绝缘防护用具图片数据集上进行训练,得到测试集的检测精度接近90%,比YOLO(you only look once)v5、CenterNet等模型提高约5%。最后将该模型封装在硬件端进行硬件现场测试,测试结果表明,在不同姿态、人数、角度的情况下,该模型均能较好地完成绝缘安全防护用具的识别,同时能标注不符合安全作业规范要求的作业人员。展开更多
文摘电厂工作人员工作时需佩戴绝缘手套进行故障检修等任务,若未佩戴绝缘手套进行操作,将发生严重的电击事故;针对电厂内工作人员绝缘手套佩戴检测精度不高的问题,提出一种基于改进YOLOv5s(You Only Look Once v5s)的电厂内人员绝缘手套佩戴检测方法;该检测算法首先引入自校准卷积,有效扩大感受野,加强网络对弱特征的提取能力;加入注意力机制SK,让网络更加关注待检测目标;将原YOLOv5s的损失函数替换为EIOU,来进一步提高网络对绝缘手套的检测精度;实验结果表明,相较于原始的YOLOv5s网络,改进后的网络提高了对绝缘手套佩戴的检测精度,其平均精度均值(mAP,mean Average Precision)提高了2.4%,证明了算法的实用性和高效性。
文摘在配网不停电作业现场,利用监控视频进行作业风险管控已经得到越来越多的应用,但目前的检测主要是针对安全帽,且对背景复杂、目标部分遮挡等情况下的检测较为困难。为此,提出一种基于Openpose-CenterNet的绝缘护具检测模型。首先,利用Openpose网络对图像中的作业人员进行检测,确定作业人员的骨骼关键点;其次,利用关键点信息确定安全帽、绝缘手套、绝缘披肩及绝缘服的检测范围,再利用CenterNet网络在检测范围内进行目标检测。将该模型在绝缘防护用具图片数据集上进行训练,得到测试集的检测精度接近90%,比YOLO(you only look once)v5、CenterNet等模型提高约5%。最后将该模型封装在硬件端进行硬件现场测试,测试结果表明,在不同姿态、人数、角度的情况下,该模型均能较好地完成绝缘安全防护用具的识别,同时能标注不符合安全作业规范要求的作业人员。