基于改进YOLO11n的电力高空作业安全防护装备检测算法

来源：电子测量技术杂志2026年第5期北京时间：

作者：刘志龙，王成，杜俊男，王天一

单位：贵州大学大数据与信息工程学院 贵阳 550025

摘要：为了解决电力场景中高空作业人员安全防护装备检测中存在的检测目标相对单一、检测精度低、泛化能力差等问题，提出了一种改进的YOLO11n高空作业安全防护装备检测算法。首先，在颈部网络中引入DySample动态上采样方法，有效避免了特征信息在上采样过程中出现的过度放大或丢失问题，在提升图像特征保留能力的同时，保证了模型整体的检测性能；其次，利用深度可分离卷积优化RCM构建CFSCM模块，同时在空间和通道两个层面上表达关键特征，提升模型对前景安全装备的感知能力；最后，创新性的设计了一个LQEH检测头，将回归分支输出的定位质量估计分数与分类分支输出进行融合，解决了原检测头两分支相互独立，缺乏信息交互的问题，增强了分类与定位之间的关联性。实验结果表明，该改进算法的mAP@0.5、精确度和召回率达到了93.1%、96.1%和86.7%，相较于原模型分别提高了3.2%、0.7%和2.3%，并且检测速率达到131 fps。此外，在Roboflow网站上的高空作业安全防护装备检测数据集上进行泛化实验，改进算法的mAP@0.5、精确度和召回率相较于原模型分别提高了2.1%、5.2%和2.2%，实验结果充分验证了改进算法的提高检测精度和泛化能力。

关键词：YOLO11;高空作业;安全防护装备;动态上采样;深度可分离卷积;定位质量估计

基金资助：国家自然科学基金（62361009）、贵州省科技计划项目(黔科合基础-ZK［2021］304)资助