• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《沈阳农业大学学报》 >基于深度学习的变电站人员安全装备检测应用研究

基于深度学习的变电站人员安全装备检测应用研究

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

门禁系统作为保护变电站设备安全和人员安全的重要一环,对保障变电站运行稳定性有着重要作用。以往变电站门禁系统识别效率不高且识别信息量过于单一,而且员工没有穿戴安全设备,也会给变电站运行和施工过程中带来风险,从而造成经济损失。针对以上问题,提出了一种对变电站人员的安全装备进行检测的模型。首先采集员工穿戴安全帽、绝缘服等安全装备的图像数据,结合目标检测模型YOLOv4和人脸识别模型RetinaFace+Facenet,设计了一种同时检测员工的人员信息与安全装备穿戴情况的检测模型。该检测模型将图像信息同时输入到YOLOv4和RetinaFace+Facenet模型当中分别进行安全装备佩戴情况识别和员工信息识别。在输出网络当中将两个模型的结果进行结合,使输出图像同时显示两个模型的检测结果。结果表明:该检测模型对员工是否穿戴安全帽、绝缘服等安全装备识别的平均精度mAP为91.81%,对员工身份信息识别的准确率为98.22%,并且在与Faster-RCNN、YOLOv3、SSD等深度学习模型的对比试验中具有更好的精确性。该模型可在实际环境中对员工是否穿戴安全装备和员工信息进行检测,对保障变电站设备安全和变电站员工安全具有一定的应用价值。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号