基于PP-YOLOv2电厂场景的安全帽佩戴检测

摘要

在电厂作业现场因未佩戴安全帽而导致人员伤亡的事件时有发生,人工监测方式不能做到及时发现实时提醒,且容易因视觉疲劳而错过一些目标,从而造成不必要的人员伤亡。基于此,文章提出一种基于PP-YOLOv2电厂场景的安全帽佩戴检测方法。基于百度飞桨深度学习框架,使用PP-YOLOv2神经网络,向训练数据集中添加电厂数据并使其占比超过1/3,可训练安全帽识别mAP(Mean Average Precision)高达94%的神经网络模型。同时,文章举例了电厂摄像头景深较深的画面,人在摄像头画面中占比较小,而公开数据集数据的景深较浅,在训练前该团队成员对部分数据进行了重新标注,增强了模型在电厂应用的泛化能力。