-
题名基于改进YOLOv8的智慧工厂工人不规范行为检测
- 1
-
-
作者
贺纪桦
张月峰
刘悦云
-
机构
四川托普信息技术职业学院
电子科技大学信息与通信工程学院
中国电子科技网络信息安全有限责任公司
-
出处
《制造技术与机床》
北大核心
2025年第2期185-193,共9页
-
基金
国家自然科学基金项目(62001082)。
-
文摘
针对智慧工厂内工人不规范行为检测的挑战性问题,如实时性不足、精度低和复杂工厂环境引起的遮挡等,提出一种基于改进YOLOv8模型的工人不规范行为检测方法。该方法通过在YOLOv8主干网络中引入DSConv(dynamic snake convolution),提高模型对细节特征的捕获能力,进而提升网络整体特征提取能力。此外,将高效多尺度注意力(efficient multi-scale attention,EMA)机制嵌入主干网络中,减轻遮挡及背景干扰带来的影响,使得模型聚焦于与不规范行为相关的身体部位或动作。为进一步提升模型训练效率和回归精度,采用Alpha_GIoU(Alpha generalized intersection over union)损失函数优化YOLOv8模型的CIoU(complete intersection over union)损失函数部分,考虑目标框的长宽比和位置信息,加快模型的收敛速度。试验结果显示,改进YOLOv8实现94.98%的mAP@0.5,显著优于基线模型YOLOv8和其他主流方法,推理速度达到53.8FPS,满足智慧工厂内工人不规范行为检测高效率和高准确度的需求。
-
关键词
智慧工厂
不规范行为检测
YOLOv8
动态蛇形卷积
高效多尺度注意力
Alpha_GIoU
-
Keywords
smart factory
non-compliant behaviors
YOLOv8
dynamic snake convolution
efficient multi-scale attention
Alpha_GIoU
-
分类号
F252
[经济管理—国民经济]
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进YOLOv5的轻量级不规范驾驶行为实时检测
被引量：9
- 2
-
-
作者
邹鹏
杨凯军
梁晨
-
机构
陕西科技大学电气与控制工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第13期186-193,共8页
-
基金
国家自然科学基金(62003201)
陕西省自然科学基金(2021JQ-527)。
-
文摘
针对现有的不规范驾驶行为检测算法占用内存多、计算量大、难以在边缘设备部署且在昏暗条件下对检测目标有干扰等问题,提出了一种改进YOLOv5模型的轻量级不规范驾驶行为实时检测算法。将SE注意力机制引入到YOLOv5模型的Backbone网络部分,再将Backbone网络里的CSP模块替换为轻量化的GhostBottleNeck网络模块,从而减少模型的参数量;将原网络中的激活函数改进成SiLU函数,可提高模型检测的准确率,增强模型的鲁棒性;对改进的模型以及原网络进行相关的测试,验证所修改方法的有效性以及实时性。实验结果表明,改进后的YOLOv5-GS算法提高了对不规范驾驶行为的检测精度,参数量降低20.75%,检测速度提升75%,极大地降低了所需的硬件成本,适用于在小型边缘设备上部署。
-
关键词
不规范驾驶行为检测
轻量化
注意力机制
YOLOv5
GhostBottleNeck
-
Keywords
non-standard driving behavior detection
lightweight
attention mechanism
YOLOv5
GhostBottleNeck
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
