摘要
在电子训练场景中，仅靠物体检测无法确定烙铁的安全风险，因为需进一步区分其是手持状态、架式支撑、置于桌面还是存在其他不确定的交互情况。为解决这一问题，本文提出了RISNet——一种基于关系感知的交互状态网络，它构建了一个两阶段的实例级交互理解框架，用于烙铁安全监测。在第一阶段，使用YOLO生成烙铁及相关环境物体的候选实例，并采用双层特征融合技术，同时利用表层细节和深层语义信息。在第二阶段，将烙铁视为交互主体，Pointer-Head模型用于识别主体与周围物体之间的关联，而State-Head则根据主体与物体之间的关系约束来预测安全状态。为减少因错误检测或弱交互导致的误报，RISNet引入了Quality-Head模块，用于评估每个交互结果的可靠性，并在推理过程中过滤掉低质量的预测结果。在训练过程中，对于那些强度较弱、不可靠或难以确定的交互证据，会使用“未知标签”作为保守的监督信号，这类标签在HOI体系中的语义与“无交互标签”相近。此外，本文还构建了烙铁安全交互数据集（SISID），为训练场景中细长金属工具的检测、交互建模及状态评估提供支持。在SISID验证集上的测试结果显示，RISNet的总体F1值为95.38%，总体精确率为96.73%，推理速度可达57.1帧/秒，满足本文所考虑的集中式单帧查询要求。
