基于PP-YOLOv2電廠場景的安全帽佩戴檢測

打開文本圖片集

摘  要：在電廠作業(yè)現(xiàn)場因未佩戴安全帽而導(dǎo)致人員傷亡的事件時有發(fā)生，人工監(jiān)測方式不能做到及時發(fā)現(xiàn)實時提醒，且容易因視覺疲勞而錯過一些目標(biāo)，從而造成不必要的人員傷亡。基于此，文章提出一種基于PP-YOLOv2電廠場景的安全帽佩戴檢測方法?；诎俣蕊w槳深度學(xué)習(xí)框架，使用PP-YOLOv2神經(jīng)網(wǎng)絡(luò)，向訓(xùn)練數(shù)據(jù)集中添加電廠數(shù)據(jù)并使其占比超過1/3，可訓(xùn)練安全帽識別mAP（Mean Average Precision）高達94%的神經(jīng)網(wǎng)絡(luò)模型。（剩余10369字）