自然场景下配电线网施工安全帽佩戴检测算法

对于配电线网施工作业这一类高危行业而言，在施工过程中按照安全守则佩戴安全帽是避免事故发生的有效途径之一。由于配电线网施工环境复杂多变，导致现有的安全帽识别方法在自然场景下常出现误检漏检的问题且不能满足实时性需求。为提高自然场景下的安全帽识别准确率以及识别效率，提出一种面向自然场景下配电线网施工的安全帽佩戴识别检测网络模型YOLO-ACON-Attention。该方法以YOLOv5算法为基础，采用自适应判断激活函数取代原有的激活函数，加强模型检测能力。在骨干网络中使用二轮四向IRNN网络构造自适应注意力模块提升模型的图像信息特征提取能力。实验结果证明，与原YOLOv5算法相比，该算法的精确率和召回率为94.75%和89.29%，分别提高了7.65%和5.17%，检测速度为36.5 FPS。