YOLOv5口罩识别模型

实时识别

部署于边缘计算平台，以高速、高精度、小体积实现口罩佩戴的自动识别与控制。

Yang, Cheng Ying · Lin, Yinan · Shen, Victor R.L. · Frank H.C., Shen · Chien-Chi, Wang

IEEE Internet of Things Journal 2023

参数信息

平均精度

95.41 %

平均精度均值

94.42 %

平均单类运行时间

0.016 s

模型文件大小

3.8 MB

识别距离

8 m

最大人脸旋转角度

90 °

技术优势

不需要人工盯守

用 AI 替代传统人工检查，自动识别口罩佩戴情况，减少人力投入和等待时间。

边缘端就能跑

系统部署在 Jetson Nano 上，无需依赖云端，可在现场实时处理。

识别得又快又准

平均单类运行时间 0.016 秒，平均精度 95.41%，满足实时高精度识别需求。

模型小不占地方

训练模型文件仅 3.8MB，适合在资源受限的边缘设备上部署。

应用场景

• 智能安防：替代人工检查，自动识别未戴口罩人员并联动门禁。
• 智慧城市：在城市公共场所部署，协助防疫政策执行。
• 公共场所管理：减轻入口管理负担，实现公共场所自动化防疫检查。
• 边缘端视觉感知：在边缘设备上实时执行视觉检测，无需上传云端。
• 嵌入式视觉：利用 Jetson Nano 嵌入式平台实现高效视觉识别。