实验室人员不安全行为智能识别与预警系统

来源：电子测量技术杂志2024年第22期北京时间：

作者：陈辰，苏益凡，周伟，郑雪菲，韩金保

单位：1.河北大学质量技术监督学院 保定 071002; 2.河北大学河北省能源计量与安全检测技术重点实验室 保定 071002

摘要：人的不安全行为是高校实验室事故发生的主要原因，其中个人防护措施不当是最突出的表现。目前，大多数不安全行为检测方法主要用于建筑、工业场景，仅关注人员是否佩戴防护装备，而无法有效区分个人防护装备佩戴状态的完整性与有效性。本研究将防护装备佩戴状态进行更精细区分，提出一种基于目标检测与属性识别算法的两阶段人员不安全行为识别方法。第一阶段利用改进的YOLOv5-DETR-LPE实现实验室复杂背景和低质量图像条件下人员的精准检测，第二阶段利用基于EfficientNet-B3的属性识别算法实现对检测到的人员的不安全行为的识别。在自建数据集上，YOLOv5-DETR-LPE相较于YOLOv5n算法精确率和mAP50:95提高1.15%和5.11%，而模型参数量和计算量仅有小幅度增加。基于EfficientNet-B3的属性识别算法在3种属性的11类标签的识别中均保持较高精确率。最后设计并实现了识别与预警系统在实际环境中的部署,验证了该系统在实际场景中的有效性和可行性。

关键词：实验室;不安全行为;目标检测;属性识别;深度学习

基金资助：河北大学2022年实验室开放项目(sy202230)资助