煤矿工作面喷雾除尘场景下的安全帽识别算法
张婧1
冯莹莹1
李洪安1
杜思哲1
莫金明2
1.西安科技大学 计算机科学与技术学院,陕西 西安 7106002.煤矿灾害防控全国重点实验室,重庆 400037;中煤科工集团重庆研究院有限公司,重庆 400037
摘要：首先针对煤矿工作面喷雾除尘场景下监控系统采集到的图片模糊、清晰度低的问题,提出了一种基于DeDi-Transformer(Density Difference-Transformer)的煤矿工作面图像去雾算法,该算法利用密度差实现密度感知,对采集的工作面监控图像进行增强,提高图像中人员安全帽的清晰度;其次针对煤矿工作面监控系统很难快速准确识别出煤矿工人是否佩戴安全帽的问题,提出了一种基于SAC-YOLOv9(Supervised Atrous Convolution-YOLOv9)的安全帽识别算法,该算法在YOLOv9 主干提取网络中加入监督空洞卷积,获取不同尺度的感受野,加快特征提取,提高安全帽识别的精度.实验结果表明,DeDi-Transformer算法在Braize-Haze数据集上的PSNR为19.85 dB,比DeHamer算法提升了2.49 dB;SSIM为0.717 9,比DeHamer算法提高了 0.043 4.SAC-YOLOv9 算法在Dehaze-Helmet数据集上的mAP为95.7%,与YOLOv9 算法相比提升了2.3%.
关键词：煤矿工作面喷雾除尘图像去雾安全帽识别密度差监督空洞卷积
分类号：TD76(矿山安全与劳动保护)TD714(矿山安全与劳动保护)
资助基金：国家自然科学基金(61902311)陕西省自然科学基金(2024JC-YBQN-0065)重庆市自然科学基金面上项目(cstc2021jcyj-msxmX1153)
论文发表日期：2024-08-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 9-16 )
英文信息