改进的PEC-YOLO算法用于检测电力线作业人员不当佩戴安全装备
计算机视觉与模式识别
2025-01-27 v1 图像与视频处理
摘要
为解决在复杂电力线环境中因不当使用安全装备而面临的高风险问题，其中常见目标遮挡和尺度差异较大，本文提出了改进的PEC-YOLO目标检测算法。该方法集成深层感知与多尺度特征融合，采用PConv和EMA注意力机制提高特征提取效率，降低模型复杂度。将CPCA注意力机制融入SPPF模块，增强模型聚焦关键信息的能力，提升检测准确性，尤其在挑战性条件下效果显著。此外，引入BiFPN颈部结构优化了低层和高层特征的利用，通过自适应融合和上下文感知机制增强特征表示。实验结果表明，本文提出的PEC-YOLO在检测准确率上较YOLOv8s提升2.7%，同时将模型参数减少42.58%。在相同条件下，PEC-YOLO在检测速度方面优于其他模型，满足建筑工地安全装备检测的严格精度要求。该研究为开发高效且准确的危险环境中工人安全监控系统贡献了重要工作。
引用
@article{arxiv.2501.13981,
title = {Enhanced PEC-YOLO for Detecting Improper Safety Gear Wearing Among Power Line Workers},
author = {Chen Zuguo and Kuang Aowei and Huang Yi and Jin Jie},
journal= {arXiv preprint arXiv:2501.13981},
year = {2025}
}