一种轻量级Swin-YOLO智慧工地安全实时监测方法

本发明提供一种轻量级Swin‑YOLO(SwinTransformer‑YOLOv5s.60)智慧工地安全实时监测方法，构建了涵盖安全帽、反光衣、烟雾、火焰及施工人员的多要素智慧工地安全数据集。预训练阶段采用YOLOv5s.60进行小样本迭代训练以提升初始精度；模型融合阶段通过以下步骤优化：1.将轻量级Swin Transformer与YOLOv5s.60目标检测算法融合，增强小目标特征提取；2.引入GAM注意力模块，提升多尺度特征融合；3.采用SIoU、Soft‑NMS，提高预测精度。历经消融实验验证，最终形成Swin Transformer‑YOLOv5s.60。本发明兼具YOLO算法实时性优势与Swin Transformer轻量级高精度特性，在智慧工地场景中实现安全装备穿戴、危险环境(烟雾/火焰)及施工人员的多目标实时监测，模型平均精度mAP@50达92.4％，边缘设备推理速度≥30FPS，泛化能力强，可有效降低安全隐患，推动工地安全管理智能化。