安全帽公司生產安全帽是應用最廣泛的工人頭部防護裝備（bèi）之一，廣泛應用（yòng）於機械、建築（zhù）、礦山、交通（tōng）、冶（yě）金、電力等行業，本文論述了一套以衝擊加速度為測試參數的測量裝置的設（shè）計（jì），從而科學地評價安全帽的側向衝擊防護性能。

安全帽公司生產安全帽實時檢測方法，包括以下步驟（zhòu）：第一步：獲取電源監控視頻，對（duì）電源監（jiān）控（kòng）視頻進行預處理和規範化；第二（èr）步：將第一（yī）步處理的視頻幀輸（shū）入到posenet模型中，得到視頻幀中人（rén）員的骨架信息；第三步：根據員工骨架信息計算安（ān）全帽的位置；第四（sì）步：利用vgg16訓練模型檢測員工安全帽佩戴情況；第五步：確定檢測幀數是否達到設定的閾值。如果未達到，則重複步（bù）驟1至4，如果達到（dào），則執行步驟6；第六（liù）步：通過（guò）檢測多個連（lián）續（xù）視頻幀，綜合分析每一幀的分類結果，得到佩（pèi）戴安（ān）全帽的結果。本（běn）發明能準確、快（kuài）速地檢測員工安全帽的佩戴狀態，適應各種電氣工作環境。在煤礦（kuàng）生產中，由於工人不戴安全帽而受傷的事故時有發生。為了建立（lì）數字安全帽監測（cè）係統，提出了一種基於卷積神經（jīng）網絡的安全帽佩戴檢測模型。采用先進的darknet53網絡（luò）作為模型主幹（gàn），提取圖像的特征信息，引入注意機製，豐富特征之間的信息傳遞，增強模型的泛化能力。最後，生成了安全帽佩戴預訓練數據集和實際礦井場景數（shù）據集，並（bìng）在pytorch平台上進行了綜合對比實驗，驗證了模型設計的有效性。在實（shí）際礦場數據集上獲得了92.5 map的良（liáng）好性能。

安全帽公（gōng）司生產安全帽具有警示功能，包括安全帽本體，其特征（zhēng）在（zài）於：安（ān）全帽上設有（yǒu）檢測和警示裝置；該檢測報警裝置（zhì）由標誌信息檢（jiǎn）測模塊（kuài）、單片機STM32F103、覆盆子餅（bǐng）3b、疲（pí）勞監測模塊、報（bào）警模塊、定位模塊和WiFi模塊組成；操作人員戴安全帽工作時，將操作人員的眼睛特征和身體體征實時傳送給raspberry pie 3B。樹莓派3B判斷操作人員是否疲勞或生病，並控製報警模塊發出報警聲、光和振動，以便及（jí）時提醒操作人員，避免事故發生。