基于改进YOLOv5s的复杂施工现场吸烟检测

在建筑工地等复杂施工现场吸烟可能会引起火灾、爆炸等事故,严重危害施工安全。为了实现对建筑工地等施工现场的吸烟检测,使用YOLOv5s对人脸和烟支进行检测,并根据人脸和烟支的位置关系判断施工现场是否存在吸烟行为。为了提高人脸和烟支的检测精度,该文在原始模型的基础上做了三个改进:一是采用SIMOTA动态标签分配方法,提高了网络的召回率和检测速度;二是引入了尺度内特征交互模块AIFI,增强了网络的特征表达能力;三是使用了动态卷积ODConv,优化了特征提取模块C3,提高了网络的精确率。在自制数据集上进行实验,改进后的网络在精确率、召回率和平均精度方面均提升2%以上,检测速度提升了22%,取得了明显的性能优势。与主流算法对比,改进后的算法在检测速度和网络性能上均有明显优势,满足了施工现场吸烟检测的需求。