改进YOLOv8的轻量化安全帽佩戴检测算法

来源：电子测量技术杂志2024年第17期北京时间：

作者：张国鹏，周金治，马光岑，贺浩洋

单位：1.西南科技大学信息学院 绵阳 621000; 2.特殊环境机器人技术四川省重点实验室 绵阳 621000

摘要：针对安全帽佩戴检测模型大、运算复杂、对运算平台资源要求高的问题，提出了基于YOLOv8改进的轻量化安全帽佩戴检测算法YOLOv8-MBS。首先，利用MobileNetv3与SPPF共同组成新的轻量级主干层，降低了算法的参数量和计算量。其次，使用加权双向金字塔增强了算法的特征提取与特征表达能力，降低了误检率。最后，嵌入SimAM无参数注意力机制，提升网络对位置信息与安全帽特征的关联度，但不增加额外计算负担。实验结果表明，对比原始网络YOLOv8n，改进后的YOLOv8-MBS在保持较高的检测精度的同时，运算量降低35.96%，参数量降低25.63%，模型大小降低23.22%，帧率提高12.52 fps。模型的轻量化降低了部署成本，为嵌入式部署及大规模应用提供了理论支持。

关键词：安全帽佩戴检测;轻量化;注意力机制;改进YOLOv8;BiFPN

基金资助：国家自然科学基金 (61771411) 项目资助