摘 要：面对当前疫情防控的实际需求，自动化检测可以减少管理人员与他人接触感染的风险且能使疫情防控管理更加高效。针对人脸佩戴口罩识别问题，利用深度学习的神经网络自动提取目标特征的优点，将获取的数据集通过 LabelImg 标注软件进行标注，使用 YOLOv5 目标检测算法训练网络模型，实现对佩戴口罩和未佩戴口罩的检测；通过 PyQt5 设计并实现了疫情防控口罩佩戴检测系统，提高了疫情防控效率。
关键词：深度学习；YOLOv5；口罩佩戴检测
DOI:10.19850/j.cnki.2096-4706.2023.07.017
基金项目：银川能源学院信息管理与信息系统专业教学团队项目（2020-TD-X-02）
中图分类号：TP183 文献标识码：A 文章编号：2096-4706（2023）07-0065-05
Design and Implementation of Epidemic Prevention and Control Mask Wearing Detection System Based on YOLOv5
YUAN Ying, LIU Xufeng
(Yinchuan University of Energy, Yinchuan 750105, China)
Abstract: Faced with the actual needs of current epidemic prevention and control, automated testing can reduce the risk of infection between management personnel and others and make epidemic prevention and control management more efficient. Aiming at the recognition problem of a face mask wearing, the advantage of deep learning neural network to automatically extract target features is utilized. The obtained dataset is labeled using LabelImg labeling software, and the YOLOv5 target detection algorithm is used to train the network model to achieve the detection whether the mask is worn or not; The epidemic prevention and control mask wearing detection system is designed and implemented through PyQt5, improving the efficiency of epidemic prevention and control.
Keywords: deep learning; YOLOv5; mask wearing detection
参考文献：
[1] 何进椅，陈隽，张孝莉，等 . 预防新型冠状病毒肺炎的医用防护口罩选择及佩戴建议 [J]. 中华灾害救援医学，2021，9（2）：825-828.
[2] 丁培，阿里甫 • 库尔班，耿丽婷，等 . 自然环境下实时人脸口罩检测与规范佩戴识别 [J]. 计算机工程与应用，2021，57（24）：268-275.
[3] 陈科圻，朱志亮，邓小明，等 . 多尺度目标检测的深度学习研究综述 [J]. 软件学报，2021，32（4）：1201-1227.
[4] 肖博健，万烂军，陈俊权 . 采用 YOLOv5 模型的口罩佩戴识别研究 [J]. 福建电脑，2021，37（3）：35-37.
[5] 夷德 . 基于 YOLO 的目标检测优化算法研究 [D]. 南京：南京邮电大学，2021.
[6] 宋威，谢豆，石景文，等 . 一种口罩佩戴和体温检测系统的设计与实现 [J]. 物联网技术，2022，12（5）：30-33.
[7] 孙永豪 . 基于改进 YOLOx 的口罩佩戴检测系统设计与实现 [D]. 合肥：安徽建筑大学，2022.
[8] 陈云 . 深度学习框架 PyTorch 入门与实践 [M]. 北京：电子工业出版社，2018.
作者简介：苑颖（1979—），女，汉族，山西大同人，副教授，硕士研究生，研究方向：数据分析与挖掘、软件工程。