期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的动态危险区域入侵检测方法
被引量：
2
1
作者
朱鹏浩
李军
+3 位作者
张世义
宋贵科
郭龙真
李丹
《中国安全生产科学技术》
CAS
CSCD
北大核心
2024年第7期170-178,共9页
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...
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。
展开更多
关键词
YOLOv5模型
动态危险区域
卷积注意力模块
双目视觉
在线阅读
下载PDF
职称材料
题名
基于深度学习的动态危险区域入侵检测方法
被引量：
2
1
作者
朱鹏浩
李军
张世义
宋贵科
郭龙真
李丹
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
出处
《中国安全生产科学技术》
CAS
CSCD
北大核心
2024年第7期170-178,共9页
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)。
文摘
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。
关键词
YOLOv5模型
动态危险区域
卷积注意力模块
双目视觉
Keywords
YOLOV5 model
dynamic hazardous area
convolutional attention module
binocular vision
分类号
X943 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的动态危险区域入侵检测方法
朱鹏浩
李军
张世义
宋贵科
郭龙真
李丹
《中国安全生产科学技术》
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
