-
题名深度学习下建筑工人高空安全防护装备检测方法
被引量：20
- 1
-
-
作者
张萌
韩豫
刘泽锋
-
机构
江苏大学土木工程与力学学院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2022年第5期140-146,共7页
-
基金
国家自然科学基金面上项目资助(72071097)
教育部人文社会科学研究规划基金资助(20YJAZH034)
+1 种基金
江苏省第十六批“六大人才高峰”高层次人才项目(SZCY-014)
2020年江苏省研究生实践创新计划项目(SJCX20_1430)。
-
文摘
为解决现有安全防护装备检测技术动态性、协同性不足的问题,基于深度学习,提出一种建筑工人高空作业安全防护装备的检测新方法;该方法以轻量化网络MobileNetV2置换YOLOv4的主干特征提取网络,实现动态视频状态下安全帽与安全带的综合检测;并开展测试,检验该方法的有效性。结果表明:该检测方法在中央处理器(CPU)运行环境下,检测速度增快2.7倍;在图形处理器(GPU)运行环境下,对于单目标、多目标和小目标的单帧视频检测速度能保持在25~27 ms,同时能取得91.57%、89.69%和86.63%的平均精度。
-
关键词
深度学习
建筑工人
高空作业
安全防护装备
动态视频检测
-
Keywords
deep learning
construction worker
working at height
safety protection equipment
dynamic video detection
-
分类号
X924.3
[环境科学与工程—安全科学]
-
-
题名森林草原消防人员安全防护装备一体化探究
被引量：6
- 2
-
-
作者
田树新
孙家宝
赵南
杨军
-
机构
黑龙江省森林保护研究所
黑龙江省林业和草原调查规划设计院
-
出处
《林业调查规划》
2022年第5期38-42,共5页
-
基金
黑龙江省省属科研院所科研业务费项目(CZKYF2020C023)。
-
文摘
在直接扑救森林草原火灾时,个人安全防护装备可以最大限度地保护扑火人员的人身安全,提高扑火效率。文章阐述森林草原消防人员安全防护装备国内外标准化组织建设、防护装备研制及相关标准制订情况。通过综合分析森林草原消防人员发生伤亡事故的主要原因,提出大力开展个人安全防护装备一体化研究,阐明了需要解决的一系列关键技术难题;明确了个人安全防护装备一体化配备标准和技术指标要求;探究目前我国森林草原消防人员防护装备存在的共性问题。结合我国森林草原消防人员安全防护装备现状,针对安全防护装备一体化发展趋势,“十三五”安全防护装备研发课题组研制了新型森林防火头盔、森林防火特种防护服及森林防火救生罩,用以丰富现有安全防护装备体系,有效保障扑火人员的生命安全。
-
关键词
森林草原消防人员
安全防护装备
一体化设计
新型森林防火头盔
特种防护服
救生罩
-
Keywords
forest and grassland firefighters
safety protection equipment
integrated design
new forest fire helmet
special protective clothing
lifesaving cover
-
分类号
S762.33
[农业科学—森林保护学]
-
-
题名防雷装置检测中安全防护装备的配备与使用
被引量：2
- 3
-
-
作者
石艾平
郭建华
-
机构
辽宁省本溪市防雷中心
-
出处
《现代农业科技》
2016年第20期233-233,235,共2页
-
文摘
为了保障检测人员在检测过程中免受伤害,工作人员应当在检测作业过程中正确使用安全防护装备。阐述了安全防护装备的定义、要求及具体分类,防雷装置检测中安全防护装备配备的必要性的方法,并提出加强对安全防护用品管理的建议,从而为保证防雷装置检测质量提供参考。
-
关键词
防雷装置检测
安全防护装备
配备
必要性
使用方法
-
分类号
X924.4
[环境科学与工程—安全科学]
-
-
题名基于改进YOLOv8n的采掘工作面小目标检测方法
被引量：5
- 4
-
-
作者
薛小勇
何新宇
姚超修
蒋泽
潘红光
-
机构
陕西陕煤澄合矿业有限公司
西安科技大学电气与控制工程学院
中煤科工集团常州研究院有限公司
-
出处
《工矿自动化》
CSCD
北大核心
2024年第8期105-111,共7页
-
基金
陕西省秦创原“科学家+工程师”队伍建设项目(2022KXJ-38)。
-
文摘
为有效检测和识别煤矿井下采掘工作面人员是否佩戴安全防护装置,针对井下光照条件差、安全防护装备目标尺寸小且颜色与背景相似等情况,提出了一种基于改进YOLOv8n的采掘工作面小目标检测方法。在YOLOv8n骨干网络C2f模块中融合动态蛇形卷积(DSConv),构建C2f−DSConv模块,以提高模型提取多尺度特征的能力;在Neck层引入极化自注意力(PSA)机制,以减少信息损失,提高特征表达能力;在Head层增设1个专门针对小目标的检测头,形成4检测头结构,以扩大模型检测范围。实验结果表明,改进YOLOv8n模型对井下人员及其所佩戴安全帽、矿灯、口罩、自救器检测的平均精度分别为98.3%,95.8%,89.9%,87.2%,90.8%,平均精度均值为92.4%,优于Faster R−CNN,YOLOv5s,YOLOv7,YOLOv8n模型,且检测速度达208帧/s,满足煤矿井下目标检测精度和实时性要求。
-
关键词
采掘工作面
小目标检测
YOLOv8n
安全防护装备检测
多尺度目标识别
-
Keywords
mining face
small object detection
YOLOv8n
safety protection equipment testing
multi scale object recognition
-
分类号
TD67
[矿业工程—矿山机电]
-
-
题名参加ISO/TC94/SC14第4次会议的报告
- 5
-
-
作者
韩彦君
吴占杰
张思玉
丁景辉
-
机构
国家林业局森林防火办公室
黑龙江省人民政府森林防火办公室
南京森林公安高等专科学校
-
出处
《森林防火》
2004年第4期41-42,共2页
-
-
关键词
消防员个人安全防护装备标准
国际会议
ISO/TC94/SC14
隔热性
抗拉力
检测方法
森林防火标准化委员会
森林消防产品监督机制
-
分类号
S762.3
[农业科学—森林保护学]
TU998.13
[建筑科学—市政工程]
-
