面向复杂环境的改进YOLOv5安全帽检测算法

来源：电子测量技术杂志2025年第7期北京时间：

作者：宋春宁，李寅中

单位：广西大学电气工程学院 南宁 530004

摘要：对施工工人的安全帽佩戴检测是保障人员安全的重要方法，但现有的安全帽检测大多为人工检测，不仅耗时费力且效率低下。且目前存在的算法在面对复杂的环境或者天气下，存在检测精度低等问题。针对这一现象，基于YOLOv5s算法提出一种改进的安全帽佩戴检测算法。首先，基于残差思想和大型可分离模块设计提出SLSKA-POOL模块，并在池化层使用，该模块可以使网络更加关注目标特征，进一步提高网络能力；其次，提出CAKConv卷积模块，该模块通过不规则的卷积操作高效的提取特征，以提高网络性能；最后，在主干添加EMA模块，聚合多尺度空间结构信息，建立长短依赖关系，以获得更好的性能。实验结果表明：改进的YOLOv5与原算法相比，检测精度提升2.2%，mAP@0.5提升了3.6%，mAP@0.5:0.95提升了6.4%，实现了更准确高效的安全帽佩戴检测。

关键词：YOLOv5;安全帽检测;注意力机制;CAKConv;data augmentation

基金资助：国家自然科学基金(51767005)项目资助