基于YOLOv5的视觉风险评估方法:以高校实验室为例

作     者：周贤伟 郭晨 覃贞鑫 ZHOU Xianwei;GUO Chen;QIN Zhenxin

作者机构：武汉理工大学安全科学与应急管理学院湖北武汉430070 武汉理工大学中国应急管理研究中心湖北武汉430070 诺丁汉特伦特大学英国诺丁汉NG14FQ 

基　　金：国家社科基金重大项目(21&ZD127) 国家文化和旅游科技创新工程项目(20211g0085) 

出 版 物：《武汉理工大学学报（信息与管理工程版）》 (Journal of Wuhan University of Technology：Information & Management Engineering)

年 卷 期：2022年第44卷第3期

页      码：383-388页

摘      要：针对目前实验室事故多发的问题,选取频率较高、损失最大的爆炸事故作为研究对象,提出基于YOLOv5算法的视觉风险评估模型,使用目标检测手段提高实验室安全监控能力。通过统计学者对实验室爆炸事故分析得到的影响因素,确定5种安全隐患因素。对YOLOv5算法采用数据增强、迁移学习等手段实现实验室安全隐患的高精度检测,检测精度为0.987。最后建立风险评估规则,设计人工评估与模型评估的对比实验,结果表明:模型评估方法具有更高的检测精度,更好的稳定性,以及更快的检测速度。模型评估方法可以使管理人员实时获知实验室风险等级,进而提高实验室安全管理水平。

主 题 词：实验室爆炸事故 风险评估 YOLOv5算法 迁移学习 目标检测 

学科分类：08[工学] 0837[0837] 

D　O　I：10.3963/j.issn.2095-3852.2022.03.008

馆 藏 号：203113549...