基于改进YOLOv8n 的井下人员安全帽佩戴检测

打开文本图片集

摘要：针对现有井下人员安全帽佩戴检测方法未考虑遮挡、目标较小、背景干扰等因素，存在检测精度差及模型不够轻量化等问题，提出一种改进YOLOv8n 模型，并将其应用于井下人员安全帽佩戴检测。在颈部网络中加入P2 小目标检测层，提高模型对小目标的检测能力，更好地捕捉安全帽目标细节；在主干网络中添加卷积块注意力模块（CBAM）提取图像关键特征，减少背景信息的干扰；将CIoU 损失函数替换为WIoU 损失函数，提升模型对检测目标的定位能力；采用轻量化共享卷积检测头（LSCD），通过共享参数的方式降低模型复杂度，并将卷积中的归一化层替换为群组归一化（GN），在尽可能保证精度的同时实现模型轻量化。（剩余1728字）