基于迁移学习与残差网络的矿工不安全行为识别 |
| |
引用本文: | 温廷新,王贵通,孔祥博,刘孟潇,薄靖凯.基于迁移学习与残差网络的矿工不安全行为识别[J].中国安全科学学报,2020(3):41-46. |
| |
作者姓名: | 温廷新 王贵通 孔祥博 刘孟潇 薄靖凯 |
| |
作者单位: | 辽宁工程技术大学系统工程研究所;辽宁工程技术大学工商管理学院 |
| |
基金项目: | 国家自然科学基金资助(71371091)。 |
| |
摘 要: | 为精确识别矿工的不安全行为,降低煤矿事故发生率,提出迁移学习结合深度残差网络的图像识别方法。将矿工的行为样本划分为完全安全行为、较安全行为、不安全行为3个维度,其中完全安全行为包括:走路、坐下、站立,较安全行为包括:弯腰、下蹲、抬东西、推、拉、挥手、拍手,不安全行为包括:跌倒、投掷;采用ResNet50网络进行训练,微调ImageNet数据集迁移学习的权重参数,通过全连接层进行12分类,并将最终分类结果与测试数据进行对照检验。研究结果表明:基于迁移学习的残差网络模型识别跌倒与投掷动作的准确率,优于其他深度神经网络模型,能够有效识别不安全行为从而避免由人为因素导致的事故发生。
|
关 键 词: | 不安全行为 迁移学习 残差网络 矿工 图像识别 |
本文献已被 CNKI 维普 等数据库收录! |
|