结合深度学习和边缘计算的作业人员专注性检测方法

作     者：赵彦龙 赵三伟 闫伟才 钟震宇 ZHAO Yanlong;ZHAO Sanwei;YAN Weicai;ZHONG Zhenyu

作者机构：内蒙古军区数据信息室内蒙古呼和浩特010051 武汉滨湖电子有限责任公司湖北武汉430205 中通服咨询设计研究院有限公司江苏南京210023 广东省科学院智能制造研究所/广东省现代控制技术重点实验室广东广州510070 

出 版 物：《自动化与信息工程》 (Automation & Information Engineering)

年 卷 期：2023年第44卷第5期

页      码：46-51页

摘      要：在生产作业过程中,作业人员注意力不集中是生产事故发生的主要诱因。针对现有的专注性研究方法过于依赖高性能计算设备,存在部署困难和隐私数据泄露等问题,提出一种结合深度学习和边缘计算的作业人员专注性检测方法。首先,利用YOLOv5算法对使用手机、抽烟和喝水3种常见的分心行为进行实时检测;然后,采用轻量化人脸关键点检测网络和Perclos算法对作业人员的疲劳程度进行评估,并对疲劳状态进行预警;最后,采用基于通道剪枝的压缩算法将分心行为检测网络和疲劳行为检测网络部署于低功耗的便携式边缘计算设备,避免作业人员隐私和商业数据泄露的风险。实验结果表明,该方法对疲劳行为和分心行为的检测准确率分别达98.6%和99.8%,满足实际的部署需求。

主 题 词：专注性检测 YOLOv5算法 人脸关键点检测网络 Perclos算法 通道剪枝的压缩算法 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3969/j.issn.1674-2605.2023.05.007

馆 藏 号：203124220...