地下矿山作业人员佩戴安全帽智能检测方法
杜青
杨仕教
郭钦鹏
张焕宝
王昱琛
尹裕
南华大学 资源环境与安全工程学院,湖南 衡阳 421001
摘要：基于视觉图像方法是目前矿井人员佩戴安全帽智能检测的热点,但现有方法所用的地下矿山数据较少,安全帽特征分类不够精确.通过采集地下矿山采场、井巷等实际生产场景的图像,构建了矿山安全帽佩戴数据集——MHWD,并将安全帽佩戴情况进一步细分为正确佩戴、不规范佩戴和未佩戴 3类.采用YOLOX算法进行人员佩戴安全帽检测,为了增强YOLOX提取全局特征的能力,引入注意力机制,即在YOLOX骨干网的空间金字塔池化瓶颈层嵌入有效通道注意力模块,在路径聚合特征金字塔网络每个上采样和下采样后添加卷积块注意力模块,由此构建了YOLOX-A模型.采用MHWD训练YOLOX-A模型并进行验证,结果表明,针对照度低、模糊、有人员遮挡的矿井图像,YOLOX-A模型能够准确识别人员佩戴安全帽情况,对不规范佩戴、正确佩戴和未佩戴安全帽 3种分类结果的F1分数分别为 0.86,0.92,0.89,平均精度分别为 93.16%,95.76%,91.69%,平均精度均值为 93.54%,整体 F1分数较 YOLOX模型提升 4%,检测精度高于主流目标检测模型 EfficientDet,YOLOv3,YOLOv4,YOLOv5,YOLOX.
关键词：地下矿山目标检测人员佩戴安全帽检测YOLOX注意力机制
分类号：TD67(矿山电工)
资助基金：湖南省研究生科研创新项目(CX20200916)湖南省研究生科研创新项目(QL20210216)湖南省研究生科研创新项目(QL20230233)
论文发表日期：2023-07-10
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：7( 134-140 )
英文信息