A Deep Learning Approach to Detect Complete Safety Equipment For Construction Workers Based On YOLOv7

在建筑行业中，确保工人的安全至关重要。本研究提出了一种基于深度学习的技术，用于识别建筑工人所穿的安全装备，如头盔、护目镜、夹克、手套和鞋子等。推荐的方法使用YOLO v7（You Only Look Once）目标检测算法来精确定位这些安全物品。本研究使用的数据集包括标记图像，分为训练、测试和验证集。每个图像都有边界框标签，指示图像中安全装备的位置。通过迭代训练方法，模型被训练以根据标记数据集识别和分类安全装备。我们使用自定义数据集来训练这个模型。我们训练的模型表现良好，对于安全装备的识别具有良好的精度、召回率和F1分数。此外，模型的评估产生了令人鼓舞的结果，mAP@0.5得分为87.7％。该模型有效地执行，使得在建筑工地上快速识别安全装备违规成为可能。对结果进行彻底评估，揭示了该模型的优点并指出了潜在的发展领域。通过提供一种自动和可靠的安全装备检测方法，本研究为计算机视觉和工作场所安全领域做出了贡献。所提出的基于深度学习的方法将增加安全合规性并降低建筑行业事故的风险。

建筑工人安全问题

使用基于深度学习的物体检测算法YOLO v7，识别建筑工人佩戴的安全装备，如头盔、护目镜、夹克、手套和鞋子。

使用自定义数据集训练模型，模型表现出良好的精度、召回率和F1得分，mAP@0.5得分为87.7%。该方法可以快速识别建筑工地上的安全装备违规情况，提高安全合规性，减少事故风险。

相关研究包括：1. 基于深度学习的物体检测算法在其他领域的应用；2. 建筑工人安全问题的其他解决方案，如传统的安全巡检方法。