基于计算机视觉的电力安全工器具的识别

摘要

在变电站内进行施工和日常的安全巡检过程中，工作人员的安全问题非常重要。现场使用的安全工器具是否准备齐全，直接关系到人员的生命安全。使用计算机视觉进行识别的方案，提出一种基于YOLOv5的改进安全工器具的神经网络识别方法，用于电力现场的安全工器具检测，首先在原版YOLOv5中加入坐标注意力模块，提升对小目标特征提取的能力；其次用加权双向特征金字塔网络结构替换原有特征金字塔网络结构，进一步提升特征提取的能力。实验结果表明：改进的算法改善了原版网络对小目标容易漏检、误检的问题，且保持了对中大型目标的较高识别精度，具有较强的实用性，也能满足实时检测的要求，对现场实际施工和运维起到了安全保障作用。经实验对比，该方法对于安全工器具的实时检测有着良好的实际效果。

关键词

电力安全工器具 / YOLOv5 / 目标检测 / 电力安全 / 变电站 / 计算机视觉 / 神经网络