基于人工智能算法的变电站人员安全帽识别研究.pdfVIP

·18·Dec.2025FluidMeasurementControlVol.6No.6

基于人工智能算法的变电站人员安全帽识别研究

ResearchonSafetyHelmetIdentificationofSubstationPersonnelBasedonArtificial

IntelligenceAlgorithm

张书航1，张桥良2，邬鲁明2，张书婷3，邹攀峰4，周雪雪5

（1.南京工程学院电力工程学院，江苏南京211100；2.舟山市启明供电服务有限公司，浙江

舟山316000；3.宁波职业技术学院，浙江宁波315800；4.普陀山观音法界管理中心，浙江

舟山316000；5.国网舟山供电公司，浙江舟山316000）

1223

ZHANGShuhang，ZHANGQiaoliang，WULuming，ZHANGShuting，

45

ZOUPanfeng，ZHOUXuexue

（1.SchoolofElectricPowerEngineering，NanjingUniversityofTechnology，Nanjing211100，Jiangsu，China；

2.ZhoushanQimingPowerSupplyServiceCo.，Ltd.，Zhoushan316000，Zhejiang，China；

3.NingboVocationalandTechnicalCollege，Ningbo315800，Zhejiang，China；

4.PutuoMountainGuanyinLawManagementCenter，Zhoushan316000，Zhejiang，China；

5.StateGridZhoushanPowerSupplyCompany，Zhoushan316000，Zhejiang，China）

摘要：变电站现场作业中，确保电力工作人员规范佩戴安全帽的研究具有非常重要的意义。现有变电站监视

安全帽佩戴情况的方式主要依靠人工看视频进行判断，效率及准确率低。本文提出基于Pytorch框架对深度神经

网络架构进行迁移学习，通过算法实现自动识别安全帽佩戴状态的功能，并创新采用Focal损失函数对分类层进行

安全帽佩戴识别以增强最终分类预测的准确性。实验结果表明，该改进网络具有良好性能，并在变电站现场应用

中具有有效性。

关键词：安全帽识别；变电站；神经网络；图像识别

Abstract：Inthefieldoperationofsubstation，itisofgreatsignificancetoensurethepowerworkers.Theexisting

substationtomonitorthewearingofsafetyhelmetmainlydependsonmanualwatchingvideotojud