电力作业人员安全头盔检测技术

摘要

为提升电力作业现场的安全管理效率，文章提出一种基于YOLOv8的安全头盔佩戴检测系统。当前电力行业在安全监督中仍主要依赖人工巡检与视频回看，存在效率低、成本高、易漏查等问题。为解决上述痛点，文章设计并实现了一个支持图像、视频及实时摄像头三种输入模式的自动检测系统，利用YOLOv8模型对作业人员佩戴安全帽情况进行精准识别。系统采用自建与公开数据集混合构建训练集，经过多轮模型训练与优化后，取得了Precision 92.357%、Recall 80.799%、mAP@0.5 87.649%、mAP@0.5∶0.95 55.445%的检测效果，并具备65 FPS以上的实时推理速度，能够满足高风险作业场景对检测精度与响应速度的双重要求。

关键词

电力作业 / 安全头盔 / YOLOv8 / 图像识别 / 实时检测 / 智能安监