简介:摘要:在当今的生产生活中,许多工作人员没有足够的安全意识,在施工过程中,不按规定佩戴安全帽,给自身的安全带来威胁。由于人工监管佩戴安全帽耗时耗力,且随着图像处理技术的迅速发展,图像识别技术逐渐被用在生产领域,因此,利用深度学习与图像处理技术相结合,让机器自动识别监督工作人员佩戴安全帽的研究十分具有意义。
简介:摘要:针对土木工程结构施工现场人员安全帽佩戴情况识别问题,对基于卷积神经网络的施工人人员佩戴安全帽智能判别方法进行了研究,并设计了一套安全帽佩戴智能识别软件系统。卷积神经网络模型主要包括 AlexNet网络和 Faster R-CNN网络。网络模型在 Matlab中进行了训练和验证,训练损失小于 0.2%,验证了该智能判别方法的有效性。
简介:摘要近段时间,“脆皮”安全帽舆情汹涌,引发社会各界的广泛关注。从分析安全帽质量现状入手,阐明了安全帽的防护机理,指出了安全帽的配戴方式,剖析了“脆皮”安全帽流向市场的途径,回答了“脆皮”安全帽的公众关切,建议将安全帽的监管重点由生产企业转向使用单位,建议使用单位的行业主管部门与市场监督部门联合监管。
简介:摘要:本研究基于OpenCV和Dask技术,设计了一套建筑施工现场安全帽监测系统,旨在提高施工现场安全管理效率。系统采用分布式架构,结合深度学习目标检测算法,实现对施工现场安全帽的实时监测与数据反馈。通过数据采集、模型建立、系统部署和性能优化等步骤,有效提升了安全管理的实时性和准确性。该系统能够及时发现安全隐患,并提供实时数据反馈与报警通知,为施工现场安全管理提供了有力支持。