安全帽佩戴检测仪根据人工智能的图像识别软件。安全帽佩戴检测仪运作不用GPU,只用到CPU;多方位多角度鉴别;识别间距可达100米,是传统领域设备的二倍。安全帽佩戴检测仪又称:施工工地安全帽佩戴鉴别、安全帽识别、安全帽佩戴鉴别、安全帽佩戴检验、安全帽不佩戴鉴别。
YOLOv7是一种经典的目标检测算法,具有高效、准确的特点。然而,由于工地环境的复杂性,YOLOv7在工地安全帽佩戴检测中仍然存在一些问题,如对小尺寸目标的检测不准确、对遮挡目标的检测效果较差等。为了解决这些问题,本研究提出了一种基于协同双注意力机制CDAM2改进YOLOv7的工地安全帽佩戴检测系统。该系统通过引入协同双注意力机制,能够在目标检测过程中更加关注工地安全帽的关键区域,提高检测的准确性和鲁棒性。具体来说,CDAM2机制包括两个注意力模块,一个用于增强感兴趣区域的特征表示,另一个用于抑制背景干扰。通过这种方式,系统能够更好地适应工地环境的复杂性,提高工地安全帽佩戴检测的准确率和鲁棒性。
智能施工工地-360°全角度安全帽佩戴检测仪一个根据视频流的智能图像识别技术系统。根据自动检索工作人员和安全帽的特性,应用全新的机器学习技术和云计算技术,为施工现场监管给予强大的确保。该系统选用智能视频图像识别技术方式,不用加上新硬件配置、实时监控系统鉴别、即时警报、迅速便捷。安全帽佩戴检测仪是一个根据视频流的智能图像识别技术系统,替代人们的双眼,自动检索各种各样违规操作,并护卫生产安全。
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
classes = [] # 初始化为空列表
CURRENT_DIR = os.path.dirname(os.path.abspath(__file__))
def convert(size, box):
dw = 1. / size[0]
dh = 1. / size[1]
x = (box[0] + box[1]) / 2.0
y = (box[2] + box[3]) / 2.0
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return (x, y, w, h)
def convert_annotation(image_id):
in_file = open('./label_xml\%s.xml' % (image_id), encoding='UTF-8')
out_file = open('./label_txt\%s.txt' % (image_id), 'w') # 生成txt格式文件
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
cls = obj.find('name').text
if cls not in classes:
classes.append(cls) # 如果类别不存在,添加到classes列表中
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
bb = convert((w, h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
xml_path = os.path.join(CURRENT_DIR, './label_xml/')
# xml list
img_xmls = os.listdir(xml_path)
for img_xml in img_xmls:
label_name = img_xml.split('.')[0]
print(label_name)
convert_annotation(label_name)
print("Classes:") # 打印最终的classes列表
print(classes) # 打印最终的classes列表
安全帽佩戴检测仪可以自动检索工作人员是不是戴头盔,要是没有,则警报,并没有对安全帽识别的颜色限定同时也不会限制使用场景:施工工地、工业区、矿山、开放区或车间内可鉴别。视线中的多人或单独人并没有限定,都可以同时识别。工作人员的一侧、反面,仅有上身曝露在外面,,多方位、全方位鉴别。8mm画面的比较远,鉴别间距超出100米,是传统监控领域设备的二倍。适用枪机和球机。检测率:超出95%。捕获数据信息的精确性:超出90%。检测间距:5-100米。