YOLO-AFL: 공장 작업장에서 실시간 안전 헬멧 감지를 위한 새로운 경량 알고리즘

공장 작업장에서 안전 헬멧 착용은 근로자의 안전에 필수적입니다. 그러나 현재의 딥러닝 기반 탐지 방법은 일반적으로 대규모 모델 매개변수와 높은 계산 요구로 인해 제한되며, 자원이 부족한 환경에서의 배치를 어렵게 만듭니다. 본 기사는 이러한 문제를 해결하기 위해 설계된 새로운 경량 모델인 YOLO-AFL을 소개합니다. 이 알고리즘은 계산 부하를 추가하지 않으면서 성능을 개선하기 위한 여러 주요 최적화를 도입합니다. 첫째, 앵커 박스 전처리 단계에서 K-Means++ 알고리즘이 적용되며, 새로운 거리 측정기준(1 - AIoU)이 도입되어 앵커 박스 크기 추정과 성능을 향상시킵니다. 둘째, C3 모듈에 경량 PConv 연산을 도입하여 모델의 복잡성을 크게 줄였습니다. 마지막으로, 모델의 단순화로 인해 발생하는 정확도 손실을 보완하기 위해 이중 주의 네트워크(LDA-GC)를 설계했습니다. 맞춤형 데이터세트에 대한 실험 결과, 제안된 알고리즘은 mAP50 94.1%를 달성하며, 기준 모델에 비해 매개변수 수를 19.1% 줄이고 계산 복잡성을 16.9% 감소시켜 안전 헬멧 착용 감지에서 우수한 성능과 효율성을 보여줍니다.