基于 YOLOv7 的建筑工人全身安全装备检测深度学习方法
计算机视觉与模式识别
2024-08-31 v2 机器学习
摘要
在建筑领域，确保工人安全是最重要的。本研究提出了一种基于深度学习的技术，用于识别建筑工人佩戴的安全装备，如头盔、护目镜、夹克、手套和鞋子。推荐方法使用 YOLO v7 (You Only Look Once) 对象检测算法精确定位这些安全物品。本工作所使用的数据集由标记图像组成，分为训练、测试和验证集。每张图像都有边界框标签，指示安全装备在图像中的位置。该模型通过迭代训练方法基于标记数据集识别和分类安全装备。我们使用自定义数据集训练该模型。我们的训练模型表现优异，针对安全装备识别具有良好的精确率、召回率和 F1 分数。模型的评估也取得了令人鼓舞的结果，[email protected] 分数为 87.7%。该模型运行有效，能够快速识别建筑工地上的安全装备违规情况。对结果进行详尽的评估揭示了该模型的优势，并指出了潜在的发展领域。通过提供一种自动可靠的方法用于安全装备检测，本研究为计算机视觉和职场安全领域做出了贡献。该提出的基于深度学习的方法将提高安全合规性，降低建筑行业事故风险。
引用
@article{arxiv.2406.07707,
title = {A Deep Learning Approach to Detect Complete Safety Equipment For Construction Workers Based On YOLOv7},
author = {Md. Shariful Islam and SM Shaqib and Shahriar Sultan Ramit and Shahrun Akter Khushbu and Abdus Sattar and Sheak Rashed Haider Noori},
journal= {arXiv preprint arXiv:2406.07707},
year = {2024}
}