-
作者
李熙尉孙志鹏王鹏陶虹京
-
单位
山西大同大学煤炭工程学院
-
摘要
针对目前煤矿井下综采工作面煤尘干扰导致的人员和安全帽检测算法精确度低、漏检率高等问题，文章提出一种基于YOLOv5s改进的矿井人员和安全帽检测算法。首先引入CBAM注意力机制，更准确的提取图像关键特征；然后采用αCIOU损失函数替换原始的CIOU损失函数，二者结合提升整体目标检测的准确率。实验结果表明：改进后的检测算法精度优于YOLOv5s原始算法，检测准确率高达97.6%,在井下综采工作面复杂环境下可以实现高效准确的井下人员和安全帽检测。
-
关键词
深度学习人员安全帽检测CBAMYOLOv5sαCIOU
-
基金项目(Foundation)
山西省研究生教育创新项目(2021Y739)；山西大同大学研究生教育创新项目(21CX02,21CX37)；山西大同大学2022年度校级揭榜招标项目(2021ZBZX3)；山西大同大学2021年度产学研专项研究项目(2021CXZ2)；
-
文章目录
1 相关网络模型
2 改进YOLOv5s检测算法
2.1 CBAM注意力机制
2.2 αCIOU损失函数
3 实验及结果分析
3.1 数据采集和处理
3.2 模型训练
3.3 实验结果分析
4 结 语
-
引用格式
李熙尉,孙志鹏,王鹏,陶虹京.基于YOLOv5s改进的井下人员和安全帽检测算法研究[J].煤,2023,32(03):22-25.
煤 
2023年第03期 
