基于YOLOv5改进的铁路工人安全帽检测算法研究

来源：计算机测量与控制杂志2024年第3期北京时间：

作者：周瑶,周石

单位：中国移动有限公司武汉蔡甸分公司

摘要：目前铁路上普遍采用人工监督方式来检测工人是否佩戴安全帽，但监督范围过大，在实践中不能及时跟踪和管理所有工作人员。因此针对该问题，采用深度学习目标检测的方法，通过改进YOLOv5s目标检测算法来实现铁路工人是否佩戴安全帽和穿戴背心。具体来说，以YOLOv5s算法为基础，采用GhostNet模块替换原始网络中的卷积Conv，提高模型的实时检测速度；采用更高效简单的多尺度特征融合BiFPN，使特征融合方式更加简单高效，以提高检测速度和降低模型复杂度；把原始的CIOU损失函数替换为SIOU损失函数，以提高模型精度。研究结果表明，改进的YOLOv5s-GBS算法的准确率和识别效率可达到95.7%和每秒45帧，并且模型大小减少了一半，准确率提高了4.5%。

关键词：安全帽;深度学习;BiFPN;SIOU损失函数;YOLOv5s-GBS算法