来源：期刊VIP网 时间：
作者：张颖;张珂;赵鹏程;刘洋;吴义蓉;
单位：常州大学安全科学与工程学院;
摘要：确保动火作业过程中多种安全防护品的配置是预防人员受伤的有效途径。为了解决复杂动火场景下安全防护品的实时监测问题，设计实现了一种基于YOLOv5的改进目标检测算法，记为Hot work-YOLOv5s。首先，在YOLOv5s算法的主干网络中嵌入空间深度转换卷积(Space-to-Depth Convolution, SPD-Conv)模块以取代原有的步幅卷积和池化下采样，减少细微特征信息的丢失。随后，在残差模块引入无参注意力机制(Simple, parameter-free Attention Module, SimAM),以增强特征表达能力，提高网络速度；最后，将原网络的边界框回归损失函数优化为WIoU(Weighted Intersection over Union)损失函数，采用动态非单调聚焦机制，加速网络收敛。在自制的动火作业安全防护品的数据集上，改进后的模型平均检测精度达到了96.8%,每秒处理帧数达到了89帧，所提出的算法满足动火作业人员安全防护品检测任务的准确性与实时性的要求，同时在场景干扰较大、受光照影响的成像上也有很好的检测效果，给动火场景下安全防护品的快速检测提供了一种新的方法。
关键词：安全工程;动火作业;目标检测;空间深度转换卷积模块;注意力机制
基金资助：江苏省研究生科研创新计划项目(KYCX23＿3159)
