基于改进YOLOv8的电力作业人员安全带检测

来源：计算机测量与控制杂志2024年第11期北京时间：

作者：范宇恒,焦良葆,郑良成,钱予阳,孟琳

单位：南京工程学院 人工智能产业技术研究院

摘要：正确穿戴安全带是预防电力作业人员高空坠落的重要措施。针对在电力现场中作业人员是否穿戴安全带检测效率低以及实效性差的问题，提出了一种基于改进YOLOv8的电力作业人员安全带检测方法。该算法在网络中添加SE注意力机制，提升了模型的识别能力；引入了加权双向特征金字塔网络结构进行特征融合，提高特征学习能力，并降低模型复杂度；采用WIoUv3损失函数替换了原先的CIoU损失函数，进一步提高了模型的检测精度以及对于不同环境的适应能力。实验结果表明，该算法的mAP平均精度均值达到96.5%，识别效果明显提升，并且优于其他经典目标检测模型，验证了新算法的有效性。

关键词：安全带检测;YOLOv8;注意力机制;金字塔网络;损失函数

基金资助：江苏省产学研合作项目(BY20230656)