基于深度学习的安全帽佩戴状态实时检测研究

来源 :物联网技术 | 被引量 : 0次 | 上传用户:wulanshaobu911
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
分析近几年全国安全生产数据发现,引发安全生产事故的原因超过90%是作业人员违章操作,其中因为未佩戴安全帽而造成严重事故尤为普遍。文中提出采用深度学习技术对作业人员佩戴安全帽状态进行实时检测研究的方法。首先,采用目标检测网络确定人员区域,获取人员位置信息,为安全帽位置获取提供保障;然后,根据经验提取头部区域,并扩大位置范围,提升容错率;最后,采用卷积神经网络对安全帽的存在性进行判断。对电力安全生产数据进行仿真,结果表明,该方法的检测速度和检测准确率均优于传统方法。
其他文献
探究湖北省的新型冠状病毒肺炎(corona virus disease 2019,COVID-19)的时空聚集性特征及社会经济影响因素对于疫情防控具有重要参考价值.对湖北省的COVID-19疫情时序数据进行时空聚类分析,针对聚类结果,划分不同的疫情发展阶段,采用Spearman相关性分析对影响湖北省(除武汉市)疫情发展的经济社会影响因素进行深入分析.时空聚类分析结果表明:疫情时空一级聚类区为2020年1月31日-2月20日的武汉市,相对危险度为29.08;二级聚类区为2020年1月31日-2月6日的孝感市
坝体和坝基变形模量为高拱坝工作性态安全评价提供依据,其取值的合理性直接影响大坝结构安全评价的正确性.结合构皮滩拱坝实测资料,建立合适的统计模型,确定反演测点和反演时段;采用三维有限元计算模型,基于改进型差分进化算法和在线支持回归机参数反演方法得到坝体和坝基变形模量.对比坝体各测点径向位移计算成果与实测值,结果表明该高拱坝变形模量反演分析方法是合适的,可以快速准确地反演出高拱坝坝体和坝基变形模量.
针对传统河流湖泊水质监测站需要现场布线、投入成本过高的问题,文中设计了一款基于有人云的水质在线监测系统。系统由监测终端、NB-IoT通信模块、有人云平台、微信小程序和Web端软件构成,搭载NB-IoT通信模块的监测终端可大范围投放于河流湖泊进行水质信息采集,在手机微信小程序和网页页面查看实时水质数据。系统成本低、布置简单,适合大范围多站点水质监测,能为跨界水污染监测提供依据,具有良好的应用前景。
针对智能家居、智能建筑、森林防火监测、生态环境监测等领域的环境信息监测问题,设计了一款基于ESP8266 WiFi模块的环境信息监测系统。利用DHT11温湿度传感器监测周围环境的温湿度信息,利用MQ-2传感器监测烟雾浓度,利用光敏电阻的光电导效应监测环境的光照强度。同时,设计了云端监测应用和手机APP软件,可将监测的环境信息通过WiFi上传到云端,之后传输至手机APP,便于用户远程监测。经过电路设
随着现代经济的飞速发展,水污染日益严重,人们对水资源保护的认识逐渐增强。传统的水质检测大多依靠化学滴定方法完成,该方法不仅操作复杂、精度较低,而且对环境有害,因此需要设计一套智能水质检测系统。文中基于便捷性、准确性等方面因素综合考虑,将单片机、无线通信、物联网工程等相结合,设计了一款智能水质检测系统。系统以STM32单片机作为主控单元,通过不断对水浊传感器、pH传感器、含氧值传感器、氨氮传感器等进
5G作为当今移动通信发展的方向,在多行业、多领域得到了广泛的应用。文中从5G公网和公安无线专网通信概念及特点入手,对比现阶段5G公网和公安无线专网在网络覆盖、实际应用、通信安全和可控性等方面的差异,以及对未来公安5G专网的展望,总结出公安无线专网存在的必要性和重要性,同时对5G与公安无线专网通信的发展提出构想。
为提高交通通行效率,缓解道路车辆拥堵现象,设计了一种基于模糊控制的车流量检测系统。系统以AT89S51单片机为控制基础,以三轴磁阻传感器HMC5843为信息采集传感器的单节点分布式车流量信息采集和控制系统。磁阻传感器节点置于道路车道中央,通过串口无线通信模块与计算机系统相连,并将检测的车流量信息上传至上位机,实现对道路车流量信息的实时监控。该系统主要包含A/D转换模块、信号放大模块、传感器置位/复
本项目是基于盲分离技术的智能电子听诊系统。项目具有高精度降噪、高保真传输信号等特性,可为医院提供便捷的远程会诊、无接触式听诊,可最大程度保护传染科医护人员的行医安全,同时为家庭用户提供更便捷的智能筛查服务。
随着信息技术,设备自动化、智能化技术的发展和钻井速度的不断提高,钻井过程中产生的各种数据对于及时决策而言愈加重要,这对钻井信息的采集速度提出了新要求。为使川庆钻探长庆钻井公司能够实时查看钻井各项参数,设计了钻井工况数据实时采集系统,利用时下热门的图像识别技术,将仪表读数实时识别并处理后返回总公司,实现了基于Django的仪表图像、远程监测系统,支持移动端与桌面端访问实时数据,以及历史数据查询等使用
文中提出一种基于现场可编程门阵列(FPGA)实现可燃气体燃爆状态分析的方法,采用Cortex-M3系列32位工控处理器IP在纯逻辑资源的FPGA上组成片上系统,并在该片上系统构建了长短时记忆神经网络(LSTM)硬件加速器,应用于可燃气体燃爆的多种状态分类模型。LSTM加速器采用并行优化的深度流水线执行计算,提高了各模块的使用效率和计算速度,使得所提设计在Artix-XC7A100T上计算非稀疏LS