基于改进YOLOv8的复杂场景下安全帽佩戴检测算法

来源：电子测量技术杂志2025年第17期北京时间：

作者：杨瑞君，李悦东，叶璟

单位：1.上海应用技术大学计算机科学与信息工程学院 上海 201418;2.上海应用技术大学化学与环境工程学院 上海 201418

摘要：为解决复杂施工场景中安全帽佩戴检测因人员密集、遮挡和目标体积小，导致模型出现漏检和误检的问题，本文提出一种基于改进的YOLOv8的安全帽佩戴检测算法。首先，引入基于大核深度可分离卷积的CMUNeXtBlock模块，通过将深度可分离卷积和反向瓶颈技术相结合，提高网络的全局感知能力；其次，设计C2FICB模块替换主干网络中的C2f，融合不同通道和空间位置之间的语义特征，强化网络对多尺度的泛化性，并在颈部网络设计P2微尺度目标检测层，提高网络捕捉局部特征的能力；最后，提出一种基于感受野注意力卷积的RFAConv head(RFAHead)检测头，优化空间特征的表达，进一步强化模型对全局特征的提取能力。实验结果表明在数据集Safety helmet上，改进后的模型比基线模型mAP@0.5的值提升了5.2%，mAP@0.5-0.95的值提升了3.9%，有效提高安全帽佩戴检测模型的精度。

关键词：目标检测;YOLOv8;复杂场景;注意力机制;安全帽

基金资助：上海应用技术大学协同创新基金-跨学科、多领域合作研究专项(XTCX2024-03)资助