基于深度学习的下井人员安全状态快速检测算法研究

在矿井生产中,作业环境复杂,安全生产风险较大,而传统的人工安全状态检测存在效率较低、漏检率较高等问题。因此,本文提出了基于卷积神经网络的下井人员安全状态快速检测方法。其间使用YOLOv3网络进行安全帽、工作服、工作鞋的多类别目标识别。试验表明,相比于传统人工检测方法,此算法具备更高的检测效率。在试验中,平均精度均值(mAP)达到了90.05%的高准确率,而且检测帧率达到28帧/s,具备了实时检测的能力。

Study on the Fast Detection Algorithm for the Safety State of Downhole Workers Based on Deep Learning