YOLOv3检测效果图
改进后效果检测图
引言:
为展现学院大学生创新创业训练项目最新进展，营造浓厚科研学术氛围，激励和引领学生科研项目向更更高层次和更深程度推进，孙越崎学院“踔厉奋发，行健不息——大创中期项目成果展示”系列推文将为同学们展示六组优秀大创项目的进展情况和阶段性成果。让我们以此为榜样，在机遇与挑战中砥砺前行。
项目名称:基于联邦学习的矿井人员异常行为视觉检测关键技术研究
指导老师:陈朋朋
项目负责人:朱泽奇、叶伟伟
项目背景：
近年来，全国各地矿井事故层出不穷，其中，因矿井工人不规范行为导致的意外屡见不鲜。我国矿井安全生产是国家主体能源和重要工业原料的重大保障，但灾害事故的发生不仅造成了矿山企业生命和财产的重大损失，还影响到社会生活的安定。
为防范矿井工人不规范操作导致的生产事故，保障矿井工人的安全生产，孙越崎学院2020级实验班的朱泽奇、叶伟伟、张大卫同学运用自己所学的专业知识，采取科学的方法，针对因不恰当操作或行为而可能造成的安全问题，开展了大创项目——“基于联邦学习的矿井人员异常行为视觉检测关键技术研究”。
项目内容：
该项目包含联邦学习分布式训练网络搭建、视频人物异常行为检测、前台开发三个模块，主要是实现将改进YOLOv3模型与联邦学习框架结合，在保证模型精度和用户隐私的情况下，通过调用多方摄像头，构建一套高效精确的矿井工作人员异常行为实时检测系统。
项目主要包括构建客户-服务器架构横向联邦系统和研究通过改进YOLOv3算法对矿井人员的异常行为检测技术两个研究内容。在项目的构思过程中，三位同学发现了传统集中式数据处理的不足，并决定用联邦学习模型取代传统的集中式数据处理模型。以此在复杂视频场景下，以最小代价，最高效率对可疑异常行为进行快速检测，识别，智能筛选，防范矿井工人不规范行为和异常操作而引起的意外。同时，搭建客户-服务器架构横向联邦学习分布式训练网络，以提高模型的精确程度，提高训练效率。
项目创新点：
在本次大创项目推进的过程中，三位团队成员秉持勇于创新的理念。改进YOLOv3算法，利用残差模块构建神经网络，融入注意力机制。通过技术实现对视频监控中矿工进行实时监测并对其异常行为发出预警。同时结合联邦学习模型，使数据处理过程在本地客户端完成，提高模型训练效率。三位同学将想法付诸实践，将人文情怀、国家利益与科学手段结合，创新技术运用，力图为国家主体资源和重要工业原料的生产提供安全有力的保障。
在项目推进过程中，小组也曾面临存在相关知识和技术盲点的问题，但小组队员不畏阻碍，攻坚克难，秉持矢志不渝的精神，最终克服了难关。在小组共同努力之下，成功实现了Yolov3算法模型的改进，改进后的YOLO与YOLOv3相比，在一定程度上能够有效提高模型的检测性能,并能较好地平衡其检测精确率与召回率之间的关系。
感悟与思考：
在大创项目中期答辩完成后，负责人朱泽奇分享了他的收获:“自大学生创新创业项目立项以来，已经过去了大半年的时间，在这期间我们遇到很多难题，也收获很多成就。回想过去最开始参加研究项目的过程，从开始的课题思考到申请立项撰写项目申请书，到查阅相关文献资料，确定研究目的和寻找创新点，制定详细的实施步骤。自该项目被确定为省级立项以来，课题小组全体成员和老师都对项目投入了极大的热情。我们在指导老师的引领下，端正研究态度，积极调整与完善研究计划，在研究主题确定、研究问题落实、研究方法设计、数据分析等主要环节上都投入了大量的时间、精力与热情，师生之间保持了良好的沟通机制，经常就相关问题进行广泛深入的探讨。一步步走来，这其中的辛苦和考验只有经历过的人才会明白其中的意义，其中的经验和成长也只有经历过的人才会分享和拥有。这是一次难得的经历，一次让我们得到锻炼和成长的经历。作为负责人，要关注更多细节，需要涉猎更多知识。第一次作为负责人带给我的更多的是责任和担当，带领团队集智攻关，团结协作的过程，如同一起爬上伟岸险峻的山峰，途中虽有坎坷，但只要一直向前，终会到达终点。”
寄语：
追风赶月莫停留，平芜尽处是春山。大创项目对于同学们来说不是终点，而是一个崭新的起点，在未来的日子里，希望大家继续充实提高自己，为强国建设贡献青春力量，将科研梦想书写在祖国的大地上。