System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种安全带检测方法及终端技术_技高网

一种安全带检测方法及终端技术

技术编号:42508177 阅读:8 留言:0更新日期:2024-08-22 14:24
本发明专利技术公开了一种安全带检测方法及终端,在YOLOv8的特征提取模块中引入融合的多头自注意力机制,能够增强模型对全局信息的捕获能力;并且自注意力机制能够对输入的特征进行全局建模,因此每个输出都能获取全局信息,比一般的卷积操作更能有效提取像素特征之间的关联性。并且,引入软阈值非极大值抑制,能提升召回率,降低漏检情况;引入自适应权重优化损失函数,也能够解决简单样本和困难样本不均衡的问题。以此方式,利用优化的YOLOv8神经网络对该场景数据库进行训练,得到学习后的模型,并利用该模型对待检测图像进行检测,以提高检测准确性。

【技术实现步骤摘要】

本专利技术涉及图像处理自动检测的,特别涉及一种安全带检测方法及终端


技术介绍

1、随着建筑行业的飞速发展,工地高空作业的需求也不断增长,然而高空作业区通常存在较多不稳定因素,容易产生危险,因此如何实时高效地检测高空作业人员是否佩戴安全带,以及时排除安全隐患,保证工地施工安全,这是一个非常重要的问题。

2、目前,各施工作业区普遍采用的方式为:

3、一种是通过安全监督人员人工巡逻的方式对高空作业人员进行监督,这种方法依赖于现场的安全监督员或管理人员进行目视检查,他们会定期或不定期地检查高空作业人员是否已正确佩戴安全带;然而,这种方法可能会受到人为因素(如疲劳、疏忽等)的影响,导致检查不准确或遗漏。

4、另一种是通过穿戴智能穿戴设备的方式进行检测,一些安全带或安全背心配备了传感器和无线通信模块,可以实时监测佩戴者的位置和姿态,并将数据发送到远程监控中心。如果监测到佩戴者处于高空作业状态但未佩戴安全带,系统会发出警报。这种方法的优点是可以提供实时的、个性化的监控和提醒,但需要额外的硬件投入和维护成本。


技术实现思路

1、本专利技术所要解决的技术问题是:提供一种安全带检测方法及终端,能够自动进行安全带检测,提高检测准确性。

2、为了解决上述技术问题,本专利技术采用的技术方案为:

3、一种安全带检测方法,包括步骤:

4、在yolov8的特征提取模块中引入融合的多头自注意力机制,所述多头自注意力机制通过对输入的特征进行全局建模,以使得每个输出获取全局信息;在yolov8中引入软阈值非极大值抑制和自适应权重优化损失函数;

5、建立场景数据库,采集图像数据并进行拼接,选择yolov8将已拼接图像数据加入所述场景数据库中进行训练,以得到安全带检测模型,并利用所述安全带检测模型对待检测图像进行检测。

6、为了解决上述技术问题,本专利技术采用的另一种技术方案为:

7、一种安全带检测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种安全带检测方法的各个步骤。

8、本专利技术的有益效果在于:在yolov8的特征提取模块中引入融合的多头自注意力机制,能够增强模型对全局信息的捕获能力;并且自注意力机制能够对输入的特征进行全局建模,因此每个输出都能获取全局信息,比一般的卷积操作更能有效提取像素特征之间的关联性。并且,引入软阈值非极大值抑制,能提升召回率,降低漏检情况;引入自适应权重优化损失函数,也能够解决简单样本和困难样本不均衡的问题。以此方式,利用优化的yolov8神经网络对该场景数据库进行训练,得到学习后的模型,并利用该模型对待检测图像进行检测,以提高检测准确性。

本文档来自技高网...

【技术保护点】

1.一种安全带检测方法,其特征在于,包括步骤:

2.根据权利要求1所述的一种安全带检测方法,其特征在于,所述在YOLOv8的特征提取模块中引入融合的多头自注意力机制,所述多头自注意力机制通过对输入的特征进行全局建模,以使得每个输出获取全局信息,包括:

3.根据权利要求1所述的一种安全带检测方法,其特征在于,所述在YOLOv8中引入软阈值非极大值抑制,包括:

4.根据权利要求1所述的一种安全带检测方法,其特征在于,建立场景数据库,包括:

5.根据权利要求4所述的一种安全带检测方法,其特征在于,所述在YOLOv8中引入自适应权重优化损失函数,包括:

6.一种安全带检测终端,包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如下步骤:

7.根据权利要求6所述的一种安全带检测终端,其特征在于,所述在YOLOv8的特征提取模块中引入融合的多头自注意力机制,所述多头自注意力机制通过对输入的特征进行全局建模,以使得每个输出获取全局信息,包括:

8.根据权利要求6所述的一种安全带检测终端,其特征在于,所述在YOLOv8中引入软阈值非极大值抑制,包括:

9.根据权利要求6所述的一种安全带检测终端,其特征在于,建立场景数据库,包括:

10.根据权利要求9所述的一种安全带检测终端,其特征在于,所述在YOLOv8中引入自适应权重优化损失函数,包括:

...

【技术特征摘要】

1.一种安全带检测方法,其特征在于,包括步骤:

2.根据权利要求1所述的一种安全带检测方法,其特征在于,所述在yolov8的特征提取模块中引入融合的多头自注意力机制,所述多头自注意力机制通过对输入的特征进行全局建模,以使得每个输出获取全局信息,包括:

3.根据权利要求1所述的一种安全带检测方法,其特征在于,所述在yolov8中引入软阈值非极大值抑制,包括:

4.根据权利要求1所述的一种安全带检测方法,其特征在于,建立场景数据库,包括:

5.根据权利要求4所述的一种安全带检测方法,其特征在于,所述在yolov8中引入自适应权重优化损失函数,包括:

6.一种安全带检测终端,包括存储器、处理器以及存...

【专利技术属性】
技术研发人员:黄宗荣林大甲郑敏忠江世松
申请(专利权)人:金钱猫科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1