基于YOLOv5的施工现场安全帽佩戴智能检测方法研究Research on intelligent detection method of safety helmet wearing on construction site based on YOLOv5
封婧仪,郭先强,吴红艳,周川,田宇婕
摘要(Abstract)：
随着现代建筑工程的复杂度不断提升，高空作业等特殊施工场景的安全风险日益突出。近年来，由于施工人员未佩戴安全帽引发的高空坠落、物体打击等事故频繁发生，这些事故不仅对施工人员的生命安全构成了严重威胁，同时也对施工进度和工程质量造成严重影响。为了有效解决这一问题，基于施工现场图像数据构建了一个安全帽佩戴检测数据集，提取了不同环境下施工人员的佩戴特征，并针对这一数据集，设计并应用了基于YOLOv5的施工现场安全帽佩戴检测模型。该模型将施工人员和安全帽作为检测目标，通过网络训练与分类性能评估，所提出的模型在测试中取得了89.8%的检测精度。该方法不仅实现了全天候、全覆盖的自动化监管，极大提高了检测效率，而且有效降低了人工监管的成本。试验结果表明，该系统具备良好的鲁棒性，能够在复杂和多变的施工现场环境中稳定运行，满足施工现场安全管理的需求。
关键词(KeyWords)： 安全帽检测;目标检测;深度学习;YOLOv5
基金项目(Foundation): 中国长江三峡集团有限公司科研项目(202103551)
作者(Author): 封婧仪,郭先强,吴红艳,周川,田宇婕
DOI: 10.13928/j.cnki.wrahe.2025.S2.003
参考文献(References)：
- [1] 陈家亮.基于改进YOLOv5的安全帽佩戴检测算法[D].长春：吉林大学，2024.
- [2] MWAFFO V,MILLER D,COSTELLO D H.Assessing the predictive performance of two DNN models:A comparative analysis to support reusing training weights for autonomous aerial refueling missions[J].IEEE access,2023,11:92070-92079.
- [3] 张锦，屈佩琪，孙程，等.基于改进YOLOv5的安全帽佩戴检测算法[J].计算机应用，2022,42(4):1292-1300.