来源：期刊VIP网 时间：
作者：陈婷;廖本奇;何自芬;
单位：昆明理工大学机电工程学院;
摘要：为预防机加工车间作业人员在作业过程中经常出现伸手进入加工区、探身或俯身靠近加工区的不安全行为所导致的安全问题，解决传统安全管理方式现场巡查监督、视频实时监控存在的费时费力、成本高、信息化水平低等不利于不安全行为的及时发现、预警问题，本文基于计算机视觉技术，使用YOLOv5算法，改进其主干网络使得模型轻量化、替换损失函数加速模型训练收敛，以及增加注意力机制提高检测准确率，同时提出了机加工车间作业人员不安全行为识别模型。实验表明：该模型准确率达到94.3%，平均准确率（mAP）达到92.8%，检测速度达到28帧/s，模型大小仅有8.1 MB，能够有效识别不安全行为。该方法不仅增加了作业现场管控手段和力度，还能够有效提高机加工车间安全智慧化管控水平。
关键词：机加工;;作业人员;;不安全行为;;YOLOv5
基金资助：国家自然科学基金资助项目(61761024)
