一种边缘环境下基于EfficientDet的施工人员安全帽检测方法

一种边缘环境下基于EfficientDetEfficientDet的施工人员安全帽一种基于EfficientDet的施工人员安全帽检测方法。该方法包括四个步骤：首先，对施工场景中的图片进行预处理；其次，利用EfficientDet检测安障Safetyiscriticalintheconstructionindustry.Safetyhelmetsoneoftheessentialprotectiveequipmentforconstructionworkers'heads.Toavoidaccidentscausedbyimproperwearingofsafetyhelmets,thispaperproposesanEfficientDet-basedsafetyhelmetdetectionmethodinedgeenvironmentinconstructionscenarios.First,thispaperintroducestheresearchbackgroundandsignificanceofsafetyhelmetdetection.Then,EfficientDetisintroducedindetail,includingitsstructureandcharacteristics.Next,thispaperproposesanEfficientDet-basedsafetyhelmetdetectionmethodwhichincludesfoursteps:firstly,preprocessingthesceneimages;secondly,detectingthepositionofthesafetyhelmetwithEfficientDet;thirdly,classifyingthedetectedsafetyhelmetstodetermineiftheyarewornproperly;andfinally,sendingoutalarmsorremindersforworkerswhoarenotcomplyingwiththesafetyregulations.Finally,thispaperevaluatestheproposedmethodusingpublicdatasetsandactualconstructionsitedata.Experimentalresultsshowthatthismethodiseffectiveandaccurateinedgeenvironment.Itensuressafetyinconstructionsites.Keywords:Constructionscenarios;Safetyhelmetdetection;EfficientDet;Edgeenvironment;Safety.Effcett深度学习技术来实现安全帽的自动检测，并在检测到不符合安全要求的情况下发出警报或者提醒。该方法具有以下优点：Effcett骤：图片预处理、安全帽检测、分类判断和结果输出。每个步骤的具体实现如下：括数据增强和剪裁两个部分。在数据增强中，可以使用随机翻转、旋转、缩放等技术来扩增数据集，提高模型泛化能力。在剪裁过程中，可以根EfficientDet模型对场景图像中EfficientNet和特定的目标检测技术，可以在低计算成本下获得较好的检测效果。EfficientDet模型具有多个输入大小和效率之间的权衡关系，本文使用EfficientDet-D4模型。ResNet-18模型，该模型结构简洁，计算量较小，适mAP（平均精度均值）等指标来评估分类器的性能，通过计算IOU（交并比）指标来衡量检测器的准确性。mAP0.91。在实际施工场景中，该方法的准确率为95%，误警率为2%。Effcett基于深度学习技术实现安全帽的自动检