基于YOLOv3的电网作业人员安全帽佩戴检测

为了有效监测电网作业人员不规范佩戴安全帽行为,提出1种基于YOLOv3的电网作业现场安全帽佩戴检测方法.针对安全帽佩戴规范性问题,构建正确佩戴、不正确佩戴和未佩戴安全帽3种情况下的图像样本库;并利用该数据库对YOLOv3模型进行训练与测试,结合模型参数、样本比例及算法对比分析,开展电网作业人员安全帽佩戴检测算例.结果表...     

“头”等大事莫松懈

安全帽是职工在施工过程中保护头部的重要劳动保护用品,实属“头”等大事。但在实际工作中,部分职工对它的重要性认识还非常不够,一些老毛病和坏习惯仍不同程度地存在。一是佩戴不正确。有的员工虽然戴了安全帽,但不习惯系额带,导致安全帽戴不牢,作业时随时都有可能     

完善安全帽防护功能

<正>在高处作业中,容易发生高处坠落、物体击打等事故。许多人认为,正确佩戴了安全帽后,在遭遇物体击打时,安全帽能有效地吸收能量,从而能够保护高处作业人员的头部安全,就万事大吉了。但是,在高处作业时,作业人员的头部经常上仰或左右倾斜,而许多高处坠落物体并不能每次都准确无误地砸中安全帽的顶部,而普通安全帽的侧面并不能提供足够的防护能力,可能会导致一些事故的发生。因此,针对高处作业人员使用的安全帽,增加一些特殊的检测标准,对保护高处作业人员的头部安     

基于机器学习方法的安全帽佩戴行为检测

施工现场作业人员是否佩戴安全帽主要依靠人工检查,存在监管效率低、时效性差等问题,为了实时自动监管作业人员是否佩戴安全帽,提出1种基于机器学习的安全帽佩戴行为检测方法。首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置,根据安全帽与人脸的关系估算出安全帽潜在区域;然后对安全帽潜在区域图像进行增强处理,使用HOG（方向梯度直方图）提取样本的特征向量;再利用SVM（机器学习的支持向量机）分类器对脸部上方是否有安全帽进行判断,进而实现对施工人员安全帽佩戴行为的实时检测与预警。以某高铁站施工现场为例进行验证,研究数据表明在施工通道和塔吊作业区域,该方法可实时有效检测出工人未佩戴安全帽的行为,识别率达90%。     

进行汽车修理作业时是否需戴安全帽？

编辑同志：请问,进行汽车修理作业时是否需戴安全帽？国家对此有无相关规定？周洪臣先生：来函收悉。进行汽车修理作业是否需戴安全帽,应根据企业的具体情况来决定。如果是生产汽车的企业,在车间中工作时,工人必须佩戴安全帽。属于这一类企业的维修工人,应按企业规定,佩戴安全帽。     

安全帽的选择和使用

在建筑、矿山、电力、冶金等作业场所中,高处坠落和物体打击事故时有发生。这类事故发生突然,人员来不及躲闪,对作业者头部造成重伤的危险性大。怎样才能帮助作业者防御事故、减轻伤害？佩戴安全帽无疑是一个很好的预防措施。安全帽是指作业场所内生产者所佩戴的、对人体头部受坠落物及其他特定因素引起的伤害起防护作用的帽子。     

谈谈安全帽

安全帽在保护劳动者头部在生产作业中免受损伤或减轻伤害方面,发挥了相当有效的作用。许多企业中工人都称安全帽为救命帽;建筑部门把它作为安全生产三宝之一,并规定进入作业场所必须佩戴。 在国外,工业管理比较先进的国家都明确规定:上至厂长,下至任何工作人员,只要进入厂区,都必须佩戴安全帽,而且对不同职务的人员,在其安全帽上,都做有明显的不同标记,以便于指挥。国外安全帽的品种很多,除一般工业用和军用外,还有乘车用安全帽(保护摩托车驾驶员和乘员)、电业专用安全帽、消防安全帽、运动防护帽(爬山、骑马、赛车等)。此外,国外还生产一些…     

读者来信

<正>编辑同志您好:目前,由于员工不佩戴或不正确佩戴劳动防护用品引发的事故还时有发生。因此,笔者所在单位从2012年9月开始,开展了劳动防护专项整治活动,重点检查员工在作业现场是否按要求佩戴了安全帽、安全带、防尘口罩、防毒面具、防护眼镜、护耳器、特     

从管理人员不会戴安全帽说起

这不是笑话,而是一个真实的事,一次下车间劳动,见到安监科的同志教一名“老机关”怎样佩戴安全帽,联想到一些管理人员平时拿安全帽当摆设的现象,不由得想议论上几句。 安全帽的佩戴是有一定要求的,其保护作用与能否正确佩戴有直接关系的道理也是很明显的。按要求佩戴,安全帽才能在关键时刻保安全,反之,其保护作用就会大打折扣。因此,安全帽佩戴得不正确,表现出随意性,实质是拿着安全当儿戏。说它是安全工作中的一个薄弱点,或者是安全观念不强的一个反映,或者是自我安全保护意识不强的一种流露,都不为过份。     

改性涂料安全帽降温性能及热舒适的优越性分析

为探究高温户外作业下改性涂料安全帽在我国不同地区的隔热降温效果差异，本文采用Fluent数值仿真技术结合我国4个不同地区(北京、广州、南京、西藏)的太阳辐射特性，对比研究了改性安全帽和普通安全帽的降温性能及热舒适性差异。结果表明：改性安全帽相比普通安全帽可使帽体表面温度降低10℃左右，同时帽内外部温差降低3～4℃，说明改性安全帽能够有效降低太阳辐射得热；对于4个不同地区，改性安全帽相比普通安全帽的帽内温度可降低5～7℃，并且当太阳辐射量大于1 200 W/m²时，改性安全帽的降温性能愈发显著。进一步研究发现，相比佩戴普通安全帽，佩戴改性安全帽可使人体TEQ指数降低7.6%～9.6%，说明佩戴改性安全帽能够扩大作业者可从事体力劳动的工作范围，可提高户外安全帽佩戴者的热舒适性。     

基于作业环境分析的矿用安全帽改善研究

以煤矿洗选车间为调查对象,使用噪声仪、温湿度仪、粉尘仪等设备对工人的作业环境进行现场测量评价,采用问卷法对作业人员劳动防护用品的佩戴和使用行为进行了调查,分析了劳动防护用品使用中存在的主要问题,应用工业工程改善设计原则,设计出一种集耳塞、口罩、安全帽于一体的多功能安全帽,并进行了佩戴测试。结果表明,该安全帽对煤矿安全行为管理和工人的职业健康改善都具有一定的促进作用。     

基于深度学习的复杂作业场景下安全帽识别研究

为有效预防由于个人防护缺失所造成的事故,着力探究复杂作业情况下施工人员安全帽佩戴情况的智能化识别.提出在Faster R-CNN目标检测算法的基础上,针对小目标的安全帽识别问题通过增加锚点提升检测能力,为解决数据集中类别不平衡问题采用Focal loss替代原本的损失函数,为解决安全帽预测区域不匹配问题,引入ROI A...     

嵌入式智慧工地安全帽检测系统设计与实现

针对施工作业人员不佩戴安全帽的问题,设计了一种基于计算机视觉的嵌入式智慧工地安全帽检测系统并进行了实用性的算法改进,解决了人力检测效率低下、标准不一的问题,同时提升了在目标检测领域小目标检测的精度。介绍了人工和传统算法在安全帽佩戴监管方面的弊端以及嵌入式系统的优势,详细介绍了算法优化的方法以及本系统的实验结果。     

劳动防护用品配备使用的分析及对策

<正>在各类作业现场,常出现一些易造成人身触电及高处坠落伤亡事故的安全隐患,如带电作业或电焊作业时,作业人员不穿绝缘鞋、不配戴绝缘手套;高处作业不佩戴安全带、安全帽等。据不完全统计,现阶段绝大多数事故的发生都与生产经营单位及作业人员在个体劳动防护方面未遵守相关标准有直接关系。作业现场情况复杂,机械、电气等设备存在隐患的情况时有发生,如在设备未严格遵守相关国标、行标等技术标准的情况下,如违反     

安全帽不安全 生产商应该严惩

最近,山西省公布了一项针对产品质量的抽查结果,其中施工工地上在用的安全帽抽样合格率只有一半,不合格项目包括了：质量、垂直间距、帽壳内突出物、耐冲击性能等。据介绍,不合格的安全帽在意外发生时根本无法保证作业人员的头部安全,同时日常佩戴还会引起颈部疲劳、伤害颈椎。     

安全帽不安全 生产商应该严惩

最近,山西省公布了一项针对产品质量的抽查结果,其中施工工地上在用的安全帽抽样合格率只有一半,不合格项目包括了:质量、垂直间距、帽壳内突出物、耐冲击性能等。据介绍,不合格的安全帽在意外发生时根本无法保证作业人员的头部安全,同时日常佩戴还会引起颈部疲劳、伤害颈椎。     

劳动防护用品知识讲座(18)安全网(下)

安全网的生产和使用管理要求总体要求安全网、安全帽、安全带被称为劳动防护用品中的“三宝”,这3种产品都是直接关系到作业人员生命安全的劳动防护用品。安全帽和安全带是个人佩戴的防护用品,而安全网用于作业面的整体防护,防护的对象是作业面内的一个群体,可以说是重中之重。安全网产品执行国家强制标准,并实施生产许可证管理和安全标志管理制度。     

安全帽不安全生产商应该严惩

最近,山西省公布了一项针对产品质量的抽查结果,其中施工工地上在用的安全帽抽样合格率只有一半,不合格项目包括了:质量、垂直间距、帽壳内突出物、耐冲击性能等.据介绍,不合格的安全帽在意外发生时根本无法保证作业人员的头部安全,同时日常佩戴还会引起颈部疲劳、伤害颈椎.     

劳动防护用品知识讲座(二十)安全网(二)

四、安全网的检验和管理要求 安全帽、安全带、安全网长期以来一直被称为劳动保护用品中的"三宝",这三种产品都是直接关系到作业人员生命安全的劳动防护用品.安全帽和安全带是个人佩戴的防护用品,而安全网用于作业面的整体防护,保护一个作业群体,可以说是重中之重,所执行的是国家强制标准,并实施生产许可证管理制度.也就是说,产品必须经过国家指定的检验机构进行形式检验,并达到国家标准规定的性能要求,才能生产、销售和使用.     

基于深度学习的建筑工人安全帽佩戴识别研究

建筑工人头部伤害是造成建筑伤亡事故的重要原因。佩戴安全帽是防止建筑工人发生脑部外伤事故的有效措施,而在实际工作中工人未佩戴安全帽的不安全行为时有发生。因此,对施工现场建筑工人佩戴安全帽自动实时检测进行探究,将为深入认知和主动预防安全事故提供新的视角。然而,传统的施工现场具有安全管理水平低下、管理范围小、主要依靠安全管理人员的主观监测并且时效性差、不能全程监控等一系列问题。针对上述现状,提出了一种基于Tensorflow框架,具有高精度、快速等特性的Faster RCNN方法,实时监测工人安全帽佩戴状况。为评估模型性能,收集了6 000张图像用于模型的训练与测试,结果表明,该模型识别工人安全监测中佩戴安全帽工人的平均精度达到90. 91%,召回率达到89. 19%;识别未佩戴安全帽工人的精度达到88. 32%,召回率达到85. 08%。同时,针对工人未佩戴安全帽而进入施工现场的违规行为,通过施工现场入口处监控摄像头截取视频流图像帧,设置检验试验,验证了本方法在施工现场实际应用的有效性。