摘要
为有效监管船舶装配中的起重作业区域,避免人员的违规闯入可能导致的安全事故,本文提出了一种YOLOv7-SSE模型来实现船舶装配起重过程违规闯入识别。首先,针对复杂的船舶装配环境,引入SENet注意力模块,增强特征提取能力。其次,引入浅层加权特征融合网络,实现不同层次特征的有效融合,从而提高对小目标的检测能力。最后,采用EIoU作为损失函数,提升了模型在复杂环境下的目标检测精确度。在此基础上,提出一种自适应电子围栏计算方法,实时动态调整监管区域。在采集的船厂复杂场景下的数据集上测试表明,本文方法的准确率达到了93%,相较于传统机器视觉方法和早期版本的YOLO模型,在准确率方面具有显著提升。
