来源：期刊VIP网 时间：
作者：李强;赵峰;李博强;许中平;余金沄;秦亮;
单位：国网信息通信产业集团有限公司;武汉大学电气与自动化学院;北京国网信通埃森哲信息技术有限公司;
摘要：运维人员正确的安全穿戴是确保电力作业安全的重要措施，计算机视觉深度学习算法为电力作业安全穿戴监管提供了一种新的手段。Faster R-CNN(faster region-based convolutional neural network)是一种有效的目标检测方法，在其基础上进行改进，首先以轻量级卷积神经网络EfficientNetV2(efficient network version 2)作为Faster RCNN的骨干，均衡提升算法的检测精度与速度；然后，在RPN(region proposal network)前引入注意力机制CBAM(convolutional block attention module)进一步提升检测精度。结合实际电力作业安全穿戴检测场景对该方法进行测试实验，结果表明，相对目前以VGG-16(visual geometry group-16)、ResNet-50(residual network-50)为骨干的Faster R-CNN算法而言，改进Faster R-CNN算法的检测精度和速度均得到提高，其平均精度均值(mean average precision,mAP)达到85.46%,检测速度达到47.82帧/s(frames per second, FPS)，一定程度上提升了Faster R-CNN在电力作业安全穿戴检测中的应用能力。
关键词：电力作业安全穿戴;;Faster R-CNN;;EfficientNetV2;;CBAM
基金资助：国网信息通信产业集团有限公司科技项目（编号：SGTYHT/19-JS-218）
