摘要
佩戴安全帽是施工现场的基本要求,可有效保护施工人员头部免受打击和避免坠落物伤害,从而可以提高施工现场的安全性。为了解决施工现场人工检测施工人员和安全帽准确率低和人工成本高的问题,结合实际需求和场景提出了一种基于YOLOv5的检测方法。将YOLOv5s作为基础模型,采用迁移学习策略在YOLOv5s权重上使用数据集进行小样本训练,提升模型的性能和泛化能力。实验结果表明,佩戴安全帽的mAP值达到97.7%,施工人员的mAP值达到91.8%,未佩戴安全帽的mAP值达到88.3%,全类别的mAP值达到92.6%。实验结果证明,所提出的方法能高效、准确地检测施工人员和安全帽,为施工现场的安全保障提供有价值的参考。
作者
李奇泽
杨泽鹏
LI Qize;YANG Zepeng
出处
《信息技术与信息化》
2023年第11期121-124,共4页
Information Technology and Informatization
