摘要
在烟花制造车间中，实时视觉检测对于保障人员安全至关重要，因为若不能有效控制人员数量，就会增加危险生产区域的安全风险。本研究提出了一种视觉检测与多区域人员安全控制方法，该方法结合了基于边缘的人员检测、跨摄像头身份关联以及基于多边形的边界过滤技术。检测模块基于YOLO26构建，该模型无需进行非最大值抑制处理即可完成推理。由于全局注意力机制无需像卷积块注意力模块那样进行全局池化操作，能够保留小型人员目标的微弱空间特征，因此本研究采用了全局注意力机制而非卷积块注意力模块。该机制被置于空间金字塔快速池化模块之后，用以提升在俯视视角、灰尘遮挡等条件下的检测效果。跨摄像头人物重识别层可确保不同车间内的人员身份一致性，而不规则电子围栏则能排除危险操作区域外的检测结果。通过从德伦烟花有限公司收集的实地数据测试，所提出的方法在交并比阈值为0.5时的平均精度高达98.3%（mAP@0.5），每张图片的CPU处理时间仅为36.5毫秒。与YOLOv8n相比，该方法的mAP@0.5数值提高了5.9个百分点，处理延迟则降低了54.6%。经过三个月的现场应用，该方法共检测到15起安全隐患，并在4起严重人员超员事件中起到了及时干预的作用，证明了其在所评估的工厂环境中的实际应用价值。
