基于改进YOLOv5的配网不停电作业人员防护穿戴检测技术研究

摘要

目前的配网不停电作业人员的防护穿戴检测方法难以实现生产作业的全程安全监管。针对此问题，研究基于改进YOLO系列版本5(you only look once version 5,YOLOv5)算法构建了一种防护穿戴检测模型。该模型利用改进YOLOv5对图像数据中的作业人员进行识别，并利用语义分割模型对检测区域进行分割，之后采用局部二值模式算子进行纹理特征提取。最后将提取到的特征输入支持向量机中对穿戴规范与否进行检测。结果表明，研究设计模型的检测准确率为95.32%,检测时间仅为2.10 s,相较于其他模型更加高效准确。改进后模型的精度和召回率平均值分别为94.08%和93.48%。改进后模型图像相似系数和平均交并比值分别为93.47%和82.55%,且其帧率为36帧/秒。研究设计模型能够在复杂作业环境下，准确识别并检测作业人员的防护穿戴情况，进一步保障作业安全。

关键词

防护 / 穿戴检测 / YOLOv5 / 语义分割 / 支持向量机 / 特征提取