基于深度学习的安全帽佩戴检测系统设计.pptxVIP

基于深度学习的火焰检测系统设计汇报人：

系统设计方案010203目录CONTENTS系统设计进度后期安排

01系统设计方案数据集选择应用界面设计深度学习算法选择

系统设计方案总体方案选用YOLOV5作为核心算法能够在应用界面上选择自己的模型与数据并进行检测与显示选用PYQT5进行界面设计选用北大开源的安全帽佩戴测数据集数据集选择算法选择应用界面预期目标

02系统设计进度数据集处理模型训练界面编写

系统设计进度数据集处理将数据集转换为COCO格式，使用Python对数据集进行划分，保证训练集、测试集、验证集的比例为7：2：1。该数据集共有约5000张图像，包含两个类别：helmet（佩戴安全帽）3500张和head（未佩戴安全帽）1500张。这些数据已经转换为YOLO格式，并且已经按照train、val和test的划分进行了准备，因此可以直接拿来使用。

系统设计进度模型训练在经过100轮的训练之后模型的精度依然不够高，需要继续提升在python环境配置完成后，运行train.py进行训练。YOLOv5训练时主要包含三个方面的损失：矩形框损失(box_loss)、置信度损失（obj_loss）和分类损失(cls_loss)。通过设定不同的置信度的阈值，可以得到在模型在不同的阈值下所计算出的p值和r值，一般情况下，p值和r值是负相关的，绘制出来可以得到如下图所示的曲线，其中曲线的面积称为AP，目标检测模型中每种目标可计算出一个AP值，对所有的AP值求平均则可以得到模型的mAP值。

系统设计进度界面编写界面编写系统架构设计的核心组成部分

系统设计进度界面编写应用界面基本以及能够使用，但是因为涉及多线程编程，仍然存在一些BUG

03后期安排模型优化应用界面优化论文撰写

后期安排123对YOLOV5的主干网络进行替换，提高检测精度模型优化增加一些功能，例如选择是否保存检测结果等，同时排除代码中潜藏的BUG应用界面优化在完成所有工作后进行总结，并撰写毕业论文论文撰写

Thankyou感谢各位老师的聆听汇报人：