基于改進YOLOv7的防護用品穿戴檢測

摘"要"為緩解YOLOv7在檢測個人防護用品時面臨標簽重寫、標簽分配不平衡和特征耦合等問題，提出一種基于改進YOLOv7的檢測方法. 首先去除YOLOv7的大尺度和中尺度輸出層，以降低標簽重寫率，且保證輸出層得到充分訓練;其次將輸出層的定位和分類解耦，避免不同任務的特征表示互相影響，并選擇在邊界框級別檢測防護服，在關鍵點級別檢測防護帽和防護手套;最后引入部分卷積，實現實時檢測. 為驗證該方法的有效性，使用實驗人員穿戴防護用品的圖像數據對所提方法進行驗證. 結果表明，相比YOLOv7，該方法的精確率和召回率分別提高了4.1和4.5個百分點，FPS（Frames Per Second）提升了1.3幀，可滿足實驗室場景下的個人防護用品穿戴檢測需求.

關鍵詞"個人防護用品;穿戴檢測;YOLOv7;單尺度輸出;特征解耦;部分卷積

中圖分類號"TP391.4""文獻標識碼"A

0"引"言

實驗室安全管理是高校正常開展教學科研工作的基本保障[1]. 近些年，實驗室安全事故時有發生，其中不按規定穿戴個人防護用品是安全事故發生的主要原因之一[2]. 基于此，多數高校采用了增加監管人員、加強人員培訓、提升監管力度等管控方案. 然而，由于人力成本高昂，實驗室對低成本、智能化的管理手段有顯著需求[3].

為預防安全事故發生，研究者針對基于計算機視覺的防護用品穿戴檢測展開了研究. 如Kumar等使用YOLOv4和YOLOv4-tiny檢測作業人員的防護用品穿戴情況[4];Delhi等利用遷移學習拓展YOLOv3的檢測類別，實現防護帽和防護服的穿戴檢測[5];Iannizzotto等提出……