安全帽智能识别系统 YOLOv5

安全帽智能识别系统可以全自动检测和分析监控画面范畴内的施工作业人员的安全帽的佩戴情况，针对未佩戴帽子规范的不安全行为，安全帽智能识别系统可以即时监控和向发送抓拍图片进行预警。PC手机客户端可以显示警示视频信息和屏幕截屏，施工作业现场可以放置音箱和扬声器进行实时警示。依据用户的选择，警示信息内容还可以推送给有关作业管理人员，协助施工作业人员开展安全生产管理。

YOLOv5中在训练模型阶段仍然使用了Mosaic数据增强方法，该算法是在CutMix数据增强方法的基础上改进而来的。CutMix仅仅利用了两张图片进行拼接，而Mosaic数据增强方法则采用了4张图片，并且按照随机缩放、随机裁剪和随机排布的方式进行拼接而成。这种增强方法可以将几张图片组合成一张，这样不仅可以丰富数据集的同时极大的提升网络的训练速度，而且可以降低模型的内存需求。

很多施工单位的工程项目施工队伍感觉戴安全帽不方便和难受，并有心存侥幸，感觉安全生产事故不容易产生在自身及周边人的身上，塑造了错误的戴安全帽反光衣服认识和习惯。怎样保证施工作业人员进到施工工地正确合规的佩戴安全帽，反光衣已变成好多个施工单位碰到的关键管理问题。因而，安全帽规范已变成施工工地职工的最后安全防范措施，依据中国的制度规定，施工工地职工进到施工现场时务必佩戴安全帽规范。

# 检测类
class Detect(nn.Module):
    stride = None  # strides computed during build
    export = False  # onnx export

    def __init__(self, nc=80, anchors=(), ch=()):  # detection layer
        super(Detect, self).__init__()
        self.nc = nc  # number of classes
        self.no = nc + 5  # number of outputs per anchor
        self.nl = len(anchors)  # number of detection layers
        self.na = len(anchors[0]) // 2  # number of anchors
        self.grid = [torch.zeros(1)] * self.nl  # init grid
        a = torch.tensor(anchors).float().view(self.nl, -1, 2)
        self.register_buffer('anchors', a)  # shape(nl,na,2)
        self.register_buffer('anchor_grid', a.clone().view(self.nl, 1, -1, 1, 1, 2))  # shape(nl,1,na,1,1,2)
        self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch)  # output conv

    def forward(self, x):
        # x = x.copy()  # for profiling
        z = []  # inference output
        self.training |= self.export
        for i in range(self.nl):
            x[i] = self.m[i](x[i])  # conv
            bs, _, ny, nx = x[i].shape  # x(bs,255,20,20) to x(bs,3,20,20,85)
            x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous()

            if not self.training:  # inference
                if self.grid[i].shape[2:4] != x[i].shape[2:4]:
                    self.grid[i] = self._make_grid(nx, ny).to(x[i].device)

                y = x[i].sigmoid()
                y[..., 0:2] = (y[..., 0:2] * 2. - 0.5 + self.grid[i].to(x[i].device)) * self.stride[i]  # xy
                y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i]  # wh
                z.append(y.view(bs, -1, self.no))

        return x if self.training else (torch.cat(z, 1), x)

为了更好地监管当场管理人员的安全帽规范的佩戴状况，对不佩戴安全帽规范的管理人员开展惩罚文化教育和学习培训，最后处理因未佩戴安全帽规范而产生的重大安全事故。安全帽智能识别系统高效地解决了工作员进到施工现场时务必佩戴安全帽规范的艰难。与传统的的安全监管方式对比，根据集成化大数据技术和人工智能化运用等技术创新方式，进行智能化系统员工管理和员工安全性检测是一个更好的选择。