基于深度学习算法的叉车危险操作行为检测

摘要

随着物流仓储行业快速发展及叉车数量的不断增多,针对叉车作业过程中存在的人员碰撞、挤压、坠落等潜在风险,迫切需要对危险行为进行及时检测和预警.为解决人员值守易漏报误报及传统方法检测精度低的问题,建立基于图像特征识别的叉车检测深度学习模型和算法.通过采集、处理现场视频图像素材,完成模型的训练及性能评价,建立相应的报警规则和报警阈值,搭建测试环境并进行仿真测试,开发相应的软件系统.结果 表明:模型检测速率为130 ms/帧,人员靠近叉车准确率为85.6％,叉车举升人员准确率为83.7％,达到良好的实践效果.