這種改進(jìn)的Yolo v3的安全帽佩戴識(shí)別檢測(cè)方法應(yīng)用在建筑行業(yè)、采礦行業(yè)等都一些工作環(huán)境比較復(fù)雜、工作人員比較密集的行業(yè)領(lǐng)域。為解決實(shí)際工廠安全帽佩戴精準(zhǔn)識(shí)別問(wèn)題，采取以下措施對(duì)Yolo v3算法模型進(jìn)行優(yōu)化。在錨框的選取方式上改用k?means++聚類算法進(jìn)行優(yōu)化，解決了初始質(zhì)心不穩(wěn)定的問(wèn)題。在損失函數(shù)的設(shè)計(jì)上使用GIoU作為邊界框坐標(biāo)回歸損失，解決了均方差損失的尺度敏感問(wèn)題。為了解決正負(fù)樣本比例不均衡問(wèn)題，引入Focal Loss，通過(guò)降低簡(jiǎn)單背景類的權(quán)重使算法模型更專注于密集小目標(biāo)物的檢測(cè)。該模型在精確度、召回率等指標(biāo)上也均有所提升，滿足實(shí)際安全帽檢測(cè)的精度要求。這種改進(jìn)的Yolo v3的安全帽佩戴識(shí)別檢測(cè)方法主要用在上下班人員高峰期佩戴安全帽識(shí)別。