崔铁军，王凌霄

(辽宁工程技术大学 安全科学与工程学院，辽宁 葫芦岛 125105)

0 引言

我国是世界上最主要的煤炭消费国和生产国，煤矿工人要面对无处不在的矽尘、煤尘等，只靠除尘器除尘或喷水喷泡降尘等除尘方法是远远不够的，佩戴防尘口罩是煤矿工人对抗职业性尘肺病的最后一道防线。由于防尘口罩舒适性差以及人员有侥幸心理和从众心理，许多工人不愿佩戴防尘口罩。且传统的煤矿井下作业现场具有安全管理水平低、安全员的主观干扰大、不能全面监控等问题。对其进行巡检费时费力且不符合实际。因此，将深度学习技术应用于监测煤矿工人的口罩佩戴情况对预防职业性尘肺病具有十分重要的意义。

自2016年AlphGo战胜职业棋手李世石之后，学者们掀起了一波将深度学习与各自领域结合研究的浪潮[1]。在口罩佩戴检测方面，一些学者应用深度学习技术进行了研究，牛作东等[2]利用Retina Face算法对公共场所下的口罩佩戴进行了研究；张修宝等[3]采用数据增强等方法对自然场景下的人脸口罩识别进行了研究；曹城硕等[4]改进并提出1种YOLO-Mask算法对公共场合的人员进行口罩检测；魏丽等[5]利用级联卷积神经网络对遮挡条件下的人脸检测与遮挡物属性判识；王艺皓等[6]改进了YOLOv3目标检测算法，对复杂场景下口罩佩戴进行了检测。目前大多都是针对新冠肺炎疫情下的日常口罩佩戴识别的研究。相比于日常环境，煤矿井下具有作业环境恶劣、光线昏暗等特点，目前利用深度学习技术针对煤矿井下复杂环境的检测研究较少。……