基于深度学习的动态危险区域入侵检测方法

作     者：朱鹏浩 李军 张世义 宋贵科 郭龙真 李丹 ZHU Penghao;LI Jun;ZHANG Shiyi;SONG Guike;GUO Longzhen;LI Dan

作者机构：重庆交通大学机电与车辆工程学院 郑州恒达智控科技股份有限公司 重庆交通大学航运与船舶工程学院 郑州经济技术开发区艺术小学 

基　　金：国家自然科学基金项目(52172381) 重庆市研究生联合培养项目(JDLHPYJD2018003) 

出 版 物：《中国安全生产科学技术》 (Journal of Safety Science and Technology)

年 卷 期：2024年第20卷第7期

页      码：170-178页

摘      要：为解决天车吊装动态危险区域难识别、位置信息难确定、车间生产环境复杂导致特殊的相机视角所获取的人员目标特征信息不明显，影响漏检误检和标准目标检测模型部署应用难等问题，提出1种基于深度学习的动态危险区域人员入侵检测方法。该方法首先利用双目视觉技术完成重物提升判断及天车吊装动态危险区域检测2项任务，然后利用提出的PDConv轻量化卷积模块和卷积注意力机制模块对YOLOv5基础模型进行改进，并设计开发天车吊装动态危险区域人员入侵检测系统。研究结果表明：利用双目视觉技术可以更精准获取动态危险区域位置信息；改进后的YOLOv5基础模型在保证模型检测精度的同时可降低适当参数量；天车吊装动态危险区域人员入侵检测系统可实现远程管控天车危险区域入侵检测任务，并利用振动报警装置可实时对入侵人员进行提醒管理，该系统在实际测试中的漏检误检率为2%,满足工业生产需求。研究结果可为动态危险区域入侵检测研究提供参考。

主 题 词：YOLOv5模型 动态危险区域 卷积注意力模块 双目视觉 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081104[081104] 080203[080203] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.11731/j.issn.1673-193x.2024.07.023

馆 藏 号：203140375...