基于K-means聚类改进YOLOv5算法的安全帽佩戴检测方法

摘要

本发明公开了一种基于改进YOLOv5算法的安全帽佩戴检测方法，该方法融合了K‑means聚类算法与YOLOv5单阶段目标检测算法，包括以下步骤：首先收集安全帽图像样本制作原始数据集，然后对原始数据集的图像进行预处理，筛选出有效样本并标注标签，取自制数据集中的80%样本作为训练集。对经典的YOLOv5模型进行改进，利用Mosaic对输入端进行数据增强，使用CSPDarknet53作为主干网络，利用K‑means聚类算法进行优化，并使用训练集样本训练该安全帽检测网络模型。将测试集输入到改进后的检测网络，进行检测。与现有技术相比，本发明通过上述改进能够有效的提高对安全帽佩戴检测的精度与效率，降低人力成本的同时有效保障工作人员生产安全。