安全生产一直以来是工程作业中重要的主题,虽然在施工环境中管理人员对安全帽佩戴有严格的要求,但实际工作中还是会有很多工程人员疏于防范,缺乏安全意识,没有佩戴安全帽。近年来随着计算机视觉技术的发展,智能化检测引起了人们的关注,计算机可以通过摄像头捕捉到的画面,利用目标检测算法来判断工程人员是否佩戴安全帽,从而形成一套高效智能的安全帽检测系统。对于房建工程而言,固定的摄像头很难监控到高楼层上工程人员的施工情况,这不免增加了监管的难度和成本,而考虑使用日益成熟的无人机技术,利用无人机携带的摄像头沿着指定的路线飞行拍摄,完成巡检不免是一种高效安全的措施。论文的主要工作如下:1.依据安全帽检测这一问题的研究背景和计算机视觉现阶段取得的研究成果,设计了基于神经网络检测算法的视觉无人机安检系统。给出了安检系统的总体设计,包括四旋翼的构成与控制,视频图像的接收和检测,以及安全帽检测系统的工作流程2.实验设计了高速的目标检测框架用于安全帽检测。给出了检测模型设计的总体框架,模型的骨干网络设计和预测模块的设计,并在充分实验的基础上不断优化出平衡性能好,检测速度快的网络模型。3.在轻量化网络结构的基础上提出了一种高效的卷积特征提取模块TSU(Transform Shuffle Unit),它结合了Shuffle Net中混淆卷积单元和Mobile Net中反残差结构的优点,可以用较少的参数有效提取输入的特征信息,在增强模型表征能力的同时保证网络可以有较快的前向运行速度。4.在经典神经网络检测模型结构的基础上提出了一种适用于安全帽检测的目标检测模块,该轻量检测结构采用针对于安全帽检测而优化的锚框分布方案和空洞卷积的计算方法,这种设计一方面有利于提高物体检测的召回率和速度,一方面有利于补偿模型检测时的精度损失。