基于YOLOv5s模型的工程地质勘察现场目标检测

摘要

本文为了自动识别地质勘察现场的人员、设备及动作,实现工程地质勘察钻探现场的远程自动监控。以机器视觉中的YOLOv5s网络模型作为目标检测算法为基础,利用数据增强后的自制勘察现场数据集进行训练,并在实际场景中进行测试。结果表明,基于YOLOv5s的钻探现场目标检测模型可以有效识别包括“钻机、工人、安全帽、钻杆、提引器、标贯锤”等在内的丰富现场信息,并可对标准贯入测试等钻探过程中的细节信息进行识别和反映。模型体积小,检测精度高,平均精度mAP值为91.5%,目标检测速度为25.4帧/s,且不需要对工程地质勘察钻探现场进行额外的布置及人为操作。检测模型部署灵活,可直接外挂布设至任意勘察云端网络平台,实现对钻探现场设备状态及人员动作的实时监控。