引入Self-Attention的电力作业违规穿戴智能检测技术研究

• 作者: 吴克河 莫蓓蓓
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 电力作业 违规穿戴 YOLOv3技术 Self-Attention机制 目标检测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 115-121
• 页数: 7页
• 分类号: TP391
• 字数: 5345字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.02.023

摘要

随着电网建设的高速发展,作业现场技术支撑人员规模不断扩大.电力现场属于高危作业场所,违规穿戴安全防护用品将会严重危及作业人员的人身安全,为了改善传统人工监管方式效率低下的问题,本文采用实时深度学习算法进行违规穿戴行为检测.检测模型结合实时目标检测网络YOLOv3和Self-Attention机制,借鉴DANet结构,在YOLOv3网络高层嵌入自注意力模块,更好地挖掘和学习特征位置和通道关系.实验结果表明,该模型在违规穿戴检测任务中mAP达到了94.58％,Recall达到了96.67％,与YOLOv3相比,mAP提高了12.66％,Recall提高了2.69％,显著提高模型的精度,可以满足任务的检测需求,提升了电网智能化水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴克河	华北电力大学控制与计算机工程学院	47	410	12.0	19.0
2	莫蓓蓓	华北电力大学控制与计算机工程学院	2	2	1.0	1.0