基于隧道智能安全巡检机器人的人员穿戴识别模型研究

在轨道交通施工过程中需通过大量巡检工作保证隧道内安全,其中工作服和安全帽是安全防范中的关键因素。但是由于人工巡检成本较高、费时费力且无法及时获得巡检结果。为此,文中利用神经网络的图像识别方法,构建基于YOLO V4改进的轻量型检测模型,高效实时地对隧道人员的穿戴进行识别。将该模型应用于隧道巡检机器人,实际测试结果表明,该模型识别准确率可达98%,泛化能力更强,解决了图像质量差和光照对人员穿戴识别率的影响,提高了隧道内安全监测的智能化水平。