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。

安全帽佩戴检测仪 YOLOv7_人工智能

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
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.
  • 26.
  • 27.
  • 28.
  • 29.
  • 30.
  • 31.
  • 32.
  • 33.
  • 34.
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42.
  • 43.
  • 44.
  • 45.
  • 46.
  • 47.
  • 48.
  • 49.
  • 50.
  • 51.
  • 52.
  • 53.
  • 54.

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。