基于改进YOLOv8的电梯内电动车检测算法

来源：电子测量技术杂志2025年第5期北京时间：

作者：沙彦佑，左官芳

单位：1.南京信息工程大学电子与信息工程学院 南京 210044;2.无锡学院电子信息工程学院 无锡 214105

摘要：针对YOLOv8算法在复杂场景下电梯内电动车检测精度的问题，提出了一种以YOLOv8n算法为基础改进的算法。首先，对于主干网络，将C2f模块与通用倒置瓶颈结构融合形成新的C2f_UIB模块来优化计算效率，降低参数量的同时提高全局信息捕获能力，同时在主干网络中添加空间和通道协同注意力模块SCSA，提高特征提取能力和模型的鲁棒性。其次，用改进后的重参数化广义特征金字塔网络DSRepGFPN对颈部网络进行重构，增强跨尺度特征融合能力，提升多尺度目标的检测效果并减小模型的计算复杂度。最后将原有的损失函数CIOU替换为MPDIOU，提高目标框的定位精度，特别是在光照变化和目标遮挡场景中表现出更强的定位与识别能力。实验结果表明，在电梯内电动车数据集中，相较于YOLOv8n，本文所改进的YOLOv8-UAR算法在mAP50上提高了2.5%，在mAP50.95上提高了1.8%，同时检测速度达到94 fps，方便部署在边缘设备上，且更符合电动车进电梯检测的实际应用要求。

关键词：YOLOv8;倒置瓶颈结构;注意力机制;重参数化特征金字塔;MPDIoU;电动车检测