机床与液压

作者：张旭，董绍江，胡小林，牟小燕

单位：重庆交通大学机电与车辆工程学院；重庆交通大学机电与车辆工程学院；重庆工业大数据创新中心有限公司；重庆工业职业技术学院

关键词：目标检测;YOLOv3;空间金字塔池化;安全帽佩戴检测

基金：国家自然科学基金面上项目(51775072)；重庆市高校创新研究群体(CXQT20019)；重庆市教委科技项目（KJQN202203207）

针对复杂工业场景下安全帽佩戴检测存在检测精度低、误检率和漏检率高以及检测速度慢等问题，提出一种改进YOLOv3的识别精度高、检测速度快的安全帽佩戴检测算法。对传统YOLOv3主干网络进行裁剪改进，使检测速度得到明显提升；引入空间金字塔池化模块使局部特征和全局特征更有效地融合；将损失函数改进为CIoU以提升目标预测框与真实目标框的拟合效果；扩充第四特征融合尺度用于小目标检测以提高小目标的识别精度。结果表明：在复杂工业环境下，改进后的YOLOv3安全帽佩戴检测的平均检测精度提高了2.37%，且检测速度提升了2.7倍，同时降低了安全帽佩戴检测的漏检率以及误检率。

来源：2023年第24期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第24期