基于改进YOLOv5的安全帽检测算法

安全帽作为劳动者最基本的保护,对劳动者的生命安全具有重要意义。但是,由于缺乏安全意识,在建筑工地中存在安全帽佩戴不规范的情况。随着目标检测技术的不断发展,高精度、高效率的YOLO系列算法已经被应用于各种场景检测任务中。为建立起数字化的安全帽监测系统,该文首先对建筑工地中安全帽佩戴情况所采集的7 581张图片进行标注。然后,提出一种基于改进的YOLOv5的安全帽检测方法,并使用不同参数的YOLOv5(s,m,l)模型进行训练和测试,对这3种模型进行比较和分析。使用可训练目标探测器YOLOv5s的m AP达到91.7%,证明基于改进的YOLOv5的头盔探测的有效性。