第51卷第1期2023年2月福州大学学报(自然科学版)JournalofFuzhouUniversity(NaturalScienceEdition)Vol．51No．1Feb．2023DOI:10．7631/issn．1000－2243．22102文章编号:1000－2243(2023)01－0056－06基于YOLOX－Tiny级联算法的变电站安全佩戴行为检测陈高汝1，陈晖1，高翔1，李长元1，黄浩斌1，李积捷1，蔡嘉炜1，林喆1，江灏2(1．国网福州供电公司，福建福州350009;2．福州大学电气工程与自动化学院，福建福州350108)摘要:采用深度卷积神经网络的级联检测代替传统检测方法，利用训练好的YOLOX－Tiny目标检测网络区分离地人员和着地人员;然后，将二者的图片作为输入图像的感兴趣区域，送入目标检测网络进行处理和训练，不但能实现对不同人员角色安全带的检测，还能实现对袖章这类小目标的检测．实验结果表明:该方法可准确、快速识别出需要佩戴安全带的工作人员和需要佩戴红色袖章的监护人员，其最终整体检测精度达到91．0%，且整体检测速度高达41．06F·s－1，有效满足变电站高空作业中安全佩戴行为的实时检测要求．关键词:目标检测;级联检测;安全带;袖章;电力工作人员;深度学习中图分类号:TP391．41;TM81文献标识码:ADetectionofsafewearingbehaviorinsubstationbasedonYOLOX－TinycascadealgorithmCHENGaoru1，CHENHui1，GAOXiang1，LIChangyuan1，HUANGHaobin1，LIJijie1，CAIJiawei1，LINZhe1，JIANGHao2(1．StateGridFuzhouElectricPowerSupplyCompany，Fuzhou，Fujian350009，China;2．CollegeofElectricalEngineeringandAutomation，FuzhouUniversity，Fuzhou，Fujian350108，China)Abstract:Inthisstudy，cascadedetectionofdeepconvolutionalneuralnetworksisusedinsteadoftraditionaldetectionmethods．ThetrainedYOLOX－Tinytargetdetectionnetworkisusedtodistinguishgroundedpersonnelandlandedpersonnel．Theimagesofbothareusedastheregionofinterestoftheinputimagesandfedintothedaymarkdetectionnetworkforprocessingandtraining，whichcanachievenotonlythedetectionofseatbeltsfordifferentpersonnelroles，butalsothedetectionofsmalltargetssuchasarmbands．Theexperimentalresultsshowthatthemethodcanidentifyaccuratelyandquicklythestaffwhoneedtowearthesafetybeltandtheguardianwhoneedtoweartheredarmband．Itsfinaloveralldetectionaccuracyreaches91．0%andtheoveralldetectionspeedisashighas41．06F·s－1，whic...
