
-
生物通官微
陪你抓住生命科技
跳动的脉搏
热上下文引导双路径互馈网络与热自适应梯度预处理在高空施工不安全行为热成像检测中的应用
《Scientific Reports》:Thermal descriptor extraction through reciprocal residual attention learning for construction worker unsafe condition detection and localization
【字体: 大 中 小 】 时间:2026年10月21日 来源:Scientific Reports 4.9
编辑推荐:
摘要在高处施工环境中,工人的不安全行为仍然是导致职业事故的主要原因,特别是在低能见度和复杂环境条件下,传统的基于RGB的监控系统表现出有限的鲁棒性。为了解决这些挑战,本研究提出了一种新型热上下文引导双路径互馈网络(TCDRNet),用于智能检测不安全热成像行为。首先,引入了一
在高处施工环境中,工人的不安全行为仍然是导致职业事故的主要原因,特别是在低能见度和复杂环境条件下,传统的基于RGB的监控系统表现出有限的鲁棒性。为了解决这些挑战,本研究提出了一种新型热上下文引导双路径互馈网络(TCDRNet),用于智能检测不安全热成像行为。首先,引入了一种新型热自适应梯度(TAG)预处理滤波器,通过局部归一化、基于梯度的热边界增强、自适应热加权、特征增强和边缘保持平滑来提高热图像质量。生成的TAG图像随后使用所提出的TCDRNet进行处理,该网络包含交叉阶段部分双路径互馈网络(CSPDRNet)骨干网络,并集成了热全局描述子提取(TGDE)、互馈注意力生成(RAG)和残差互馈融合(RRF)模块,以促进互馈热特征学习。此外,采用空间金字塔池化(SPP)进行多尺度上下文提取。同时,路径聚合网络(PANet)执行层次化特征聚合,生成低级定位特征、中级边界信息和高级语义表示。最后,引入了一种热上下文感知残差注意力(TAR)模块,通过通道注意力、空间注意力和残差融合来细化多尺度特征,从而突出判别性不安全区域。在一个包含未戴安全帽、未穿鞋、使用手机、安全和不安全姿态类别的热不安全行为数据集上的实验评估证明了所提出框架的有效性。TCDRNet的准确率达到96.60%,精确率为96.41%,召回率为95.96%,优于多个最先进的模型。