SCI论文（www.lunwensci.com）：
摘要：对现场作业人员是否正确佩戴绝缘手套进行有效的安全监管，是提高现场工作人员人身安全的第一道保障。本文在基于改进的YOLOv5模型基础上，提出了一种识别实时视频流下绝缘手套佩戴情况的目标检测方法。该方法首先系统收集现场实时视频流，再对改进的模型进行训练，将训练好的模型用于分析电力作业现场摄像机实时视频流，以此准确判断作业人员是否正确佩戴绝缘手套，便于采取有效措施提高工作人员安全防护意识，提升现场安全作业水平。
关键词：改进的YOLOv5模型；绝缘手套佩戴；实时视频流
An improved Yolov5 model-based method for identifying the wearing of insulating gloves in real-time video streaming
Liang Guodi
(Information center of Yunnan Power Grid Co.,Ltd.,Kunming Yunnan,650217)
Abstract:Effective safety supervision of whether the on-site workers wear insulating gloves correctly is the first guarantee to improve the personal safety of on-site workers. Based on the improved YOLOv5 model, this paper proposes a target detection method to identify the wearing of insulating gloves under real-time video streaming, first of all, the system collects the live video stream, and then trains the improved model, and the trained model is used to analyze the real-time video stream of the power operation site camera, and accurately judge whether the operator wears the insulating glove correctly, thereby improving the safety protection awareness of the staff and improving the level of safe operation on the spot.
Key words: improved Yolov5 model; wearing insulating gloves; real-time video streaming;
一、背景
随着电力应急需求的日益提升，电力现场作业的安全管控已成为供电部门的共性热点。同时，随着深度学习理论的深入研究和软硬件性能的显著提高，卷积神经网络被广泛应用于诸多领域，目标检测就是其中重要的研究方向之一。
近年来，安全作业的监督管理已成为各供电单位现场作业的重中之重。而绝缘手套是保护现场工作人员人身安全的第一环。为保证现场人员都正确佩戴绝缘手套，现急需一套实时视频流分析工具准确判断作业人员是否正确佩戴绝缘手套。在现场作业中，为了达到安全生产的目的，工作人员必须佩戴绝缘手套进行防护。但是，受现场环境影响和人员干扰等，部分工作人员往往未按操作规范正确佩戴绝缘手套，在这种情况下作业非常危险。
二、建设思路
第一，绝缘手套数据集准备。为准确识别工作人员是否佩戴绝缘手套，技术人员可通过网络收集和现场拍摄的方式收集大量工作人员佩戴绝缘手套的数据用于模型训练。
第二，绝缘手套佩戴实时检测模型设计。系统可先对YOLOv5模型进行改进与训练，再将训练好的模型用于分析电力作业现场摄像机实时视频流，以此准确判断作业人员是否正确佩戴绝缘手套。
第三，模型验证。系统通过大量现场视频数据对算法模型的实时性和可靠性进行充分验证。
为保证电力作业人员的生命安全，在现场作业尤其是带电作业过程中，工作人员必须佩戴绝缘手套。但是，在实际作业过程中，往往会出现工作人员未按操作规程佩戴绝缘手套的情况，这时就需要通过智能分析手段对施工过程进行全程监控并判断作业人员是否佩戴绝缘手套，如果未佩戴绝缘手套该模型就会发出告警[1]。
三、实现技术路线
系统会收集现场作业相关视频数据，并对数据进行整理，挑选出带有现场作业人员和绝缘手套的视频帧数据，然后对挑选出来的数据进行人工标注，构建用于模型训练的图像样本库。该模型可设计用于绝缘手套识别的模型算法，用样本数据对模型进行训练，最终得到绝缘手套检测模型。
图1 绝缘手套识别技术路线图
(一)构建绝缘手套实时检测数据集
模型的识别目标是电网作业场景中作业现场人员佩戴的绝缘手套，在样本采集过程中可采用以下三个步骤进行。第一，收集电力作业人员现场工作期间的视频图像数据。第二，人工选择佩戴绝缘手套的作业视频片段，再将视频数据转化成图像数据，在这个过程中完成对图像数据的标准化，如统一图像数据的编码方式、统一图像的命名方式。巡视人员使用的成像设备型号不同会导致图像的存储编码方式(png、jpeg、JPG、tif)和图像的分辨率不同。在图像标注的过程中，如果图片的编码方式不同，会导致图像在不同的软件下显示不同的式。第三，对视频中的作业人员区域和绝缘手套区域进行标注。根据模型识别精度与识别率之间的变化关系曲线，研究人员需要收集1万张以上的样本图片才可以达到90%以上的识别率。笔者采用labelImg软件作为绝缘手套样本的制作工具，如图2所示，其中绿色矩形框为标注目标。
图2 绝缘手套样本标注工具
(二)识别算法模型设计
模型会对操作人员佩戴绝缘手套数据集中标注的信息进行清洗，剔除错误或标注不合格的样本，随后对清洗后的数据集进行统计分析与预处理，得到目标框的宽高分布数据，然后对数据进行聚类以得到9个聚类中心，按样本类别分布差异比例。
在绝缘手套识别任务中，笔者使用YOLOv5模型作为算法的目标检测模块。根据绝缘手套标注数据的分布特点图像，分辨较高绝缘手套区域在图像中所占区域较小属于小目标检测的问题，并从以下方面入手进行改进：
第一，在骨干网络中引入ADL注意力机制层，提高网络对目标的定位能力；
第二，将模型的第13层引出作为检测层；
第三，在检测层中增加每个锚点的先验框数量；
第四，利用标注完成的绝缘手套数据集对YOLOv5模型进行训练，利用数据的测试集对模型性能进行评估。
修改后的模型结构示意如图3所示。
图3 YOLOv5模型结构图
(三)模型训练
基于图像数据的绝缘手套检测任务需要解决以下两个问题：第一，定位问题；第二，分类问题。因此，笔者将多任务网络的损失函数作为优化目标。在模型训练过程中，模型识别性能在验证数据集上的表现如图4所示。模型的召回率和识别精度随着训练的进行不断提高，在280次迭代时模型的精度曲线达到拐点后增长变慢，模型训练过程进入收敛期，精度达0.93。
图4 yolov5模型性能验证分析
绝缘手套实时检测系统的功能包括基础信息管理、现场作业视频上传、视频分析、风险查询等功能模块。系统将调用绝缘手套识别组件分析绝缘手套佩戴情况，如出现工作人员未佩戴绝缘手套的情况，则视频中以红色框高亮标注人员，提示未佩戴风险，提醒安全监管人员及时纠正，以防止发生触电事故[2]。
图5 绝缘手套视频分析
本文提出一种基于改进的YOLOv5模型识别实时视频流下工作人员是否正确佩戴绝缘手套的方法，并对原始模型进行轻量化改进，将多任务网络的损失函数作为优化目标。模型实际验证证明，模型的召回率和识别精度不断升高，精度达0.93，这有效提高了模型对绝缘手套智能识别的适应性。改进后的模型，其结构更加精简，识别精度也有所提高。同时，笔者研发了绝缘手套实时检测系统，对改进的模型进行实际应用，并利用实时视频流智能识别监测作业人员是否正确穿戴绝缘手套，以此提高工作人员安全防护意识，提升现场安全作业水平。
【参考文献】
[1]施丽红.基于5G的电力作业现场违章智能识别判定系统设计[J].数字技术与应用，2022(2).
[2]杨小冈，高凡等.基于改进YOLOv5的轻量化航空目标检测方法[J].信息与控制，2022(3).
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/47948.html
