[发明专利]一种基于YOLOv5的焊接面罩佩戴识别方法及系统

说明书

本发明公开了一种基于YOLOv5的焊接面罩佩戴识别方法及系统，属于焊接作业行为智能识别技术领域，其中，方法的实现包括：采集焊接面罩数据、人体、人脸和弧光数据，标注类别并制作数据集；对YOLOv5从轻量化模块替换和特征融合重构两方面进行轻量化改进，构建得到WMU‑YOLO模型，利用数据集对WMU‑YOLO模型进行训练；将待检测图片输入至WMU‑YOLO，依次判断检测到的人体框与弧光框、人脸框、焊接面罩框的相交情况是否满足各自设定阈值，识别焊工在工作时是否佩戴焊接面罩。通过本发明能够识别焊工在工作过程中是否佩戴焊接面罩，及时进行不安全行为预警，为焊工职业卫生管理提供高效的辅助手段。

技术领域

本发明属于焊接作业行为智能识别技术领域，更具体地，涉及一种基于YOLOv5的焊接面罩佩戴识别方法及系统。

背景技术

作为最主要的金属加工和处理的技术手段，焊接已经广泛应用在国民经济生产中的各个领域，根据国际劳工组织数据，工业化国家的焊工数量占总劳动力人口的0.2％到2％。但焊工为特殊工种，焊接环境充斥着大量的职业危害因素，尘肺、电光性眼炎是常见的焊接职业病，该类职业具有极高的职业病患病率，其每年都为国内短缺职业。焊接面罩是最重要的焊接个人防护装备，但安全管理不到位、焊工安全意识薄弱等因素使该类防护用品的使用情况不容乐观，尤其是在发展中国家。

对焊工焊接面罩佩戴情况的检测可以及时督促焊工做好个人防护，当前针对防护装备佩戴的检测方法包括人工巡检法、基于传感器的方法和基于计算机视觉的方法。人工巡检法耗时耗力，效率和自动化程度较低，基于传感器的方法受限于高昂的成本。近年来随着计算机视觉技术的迅速发展和信息化技术的大规模建设应用，以设置监控摄像头和部署图像识别算法为特点的自动化检测方法具有较大的经济效益以及泛场景性。大数据以及高性能计算设备的驱动使深度学习技术得到了迅速发展，在基于计算机视觉的检测方法中，基于深度学习的检测方法具有更强的鲁棒性和泛化能力，极大地提升了作业现场监控的效率。目前并未有焊接面罩佩戴检测的相关研究，将基于深度学习的检测方法应用到焊接面罩佩戴检测任务中，存在以下难点：

(1)对于焊接面罩而言，目前并没有公开数据集用于评估作业场景中防护装备佩戴检测算法；

(2)合适的基准目标检测算法选择是执行检测任务的重要一步，为了降低模型部署任务中云设备和边缘设备的计算资源，提高现场目标检测和安全分析的效率，检测模型需要在保证性能的同时不能有较大的复杂度。

(3)使用基于深度学习的方法检测个人防护装备时，若不分析目标防护装备的上下位关系，会导致防护装备不在正确位置但仍然被检测为目标的情况出现，因此需要设定合适的防护装备佩戴合规性验证方法。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于YOLOv5的焊接面罩佩戴识别方法及系统，旨在实现焊接面罩佩戴的高效自动化检测，并能够适应作业现场高实时性的要求。

为实现上述目的，按照本发明的一个方面，提供了一种基于YOLOv5的焊接面罩佩戴识别方法，包括：

(1)采集焊接面罩数据、人体、人脸和弧光数据，标注类别并制作数据集；

(2)对YOLOv5从轻量化模块替换和特征融合重构两方面进行轻量化改进，构建得到WMU-YOLO模型，利用数据集对WMU-YOLO模型进行训练；

(3)将待检测图片输入至WMU-YOLO，依次判断检测到的人体框与弧光框、人脸框、焊接面罩框的相交情况是否满足各自设定阈值，识别焊工在工作时是否佩戴焊接面罩。

在一些可选的实施方案中，步骤(2)包括：