典型文献
基于YOLOv5的视觉风险评估方法:以高校实验室为例
文献摘要：
针对目前实验室事故多发的问题,选取频率较高、损失最大的爆炸事故作为研究对象,提出基于YOLOv5算法的视觉风险评估模型,使用目标检测手段提高实验室安全监控能力.通过统计学者对实验室爆炸事故分析得到的影响因素,确定5种安全隐患因素.对YOLOv5算法采用数据增强、迁移学习等手段实现实验室安全隐患的高精度检测,检测精度为0.987.最后建立风险评估规则,设计人工评估与模型评估的对比实验,结果表明:模型评估方法具有更高的检测精度,更好的稳定性,以及更快的检测速度.模型评估方法可以使管理人员实时获知实验室风险等级,进而提高实验室安全管理水平.
文献关键词：
实验室爆炸事故;风险评估;YOLOv5算法;迁移学习;目标检测
中图分类号：
作者姓名：
周贤伟;郭晨;覃贞鑫
作者机构：
武汉理工大学 安全科学与应急管理学院,湖北 武汉430070;武汉理工大学 中国应急管理研究中心,湖北 武汉430070;诺丁汉特伦特大学,英国 诺丁汉 NG14FQ
文献出处：
引用格式：
[1]周贤伟;郭晨;覃贞鑫-.基于YOLOv5的视觉风险评估方法:以高校实验室为例)[J].武汉理工大学学报（信息与管理工程版）,2022(03):383-388
A类：
B类：
YOLOv5,风险评估方法,高校实验室,故作,风险评估模型,目标检测,检测手段,高实,实验室安全监控,实验室爆炸事故,事故分析,安全隐患因素,数据增强,迁移学习,高精度检测,检测精度,模型评估,检测速度,获知,实验室风险,风险等级,实验室安全管理
AB值：
0.36287
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
