多感受野增强的爆破现场安全帽检测算法

来源：计算机工程与应用杂志2025年第7期北京时间：

作者：王新良, 王璐莹

单位：河南理工大学 物理与电子信息学院，河南 焦作 454003

摘要：针对安全帽检测任务中存在的目标面积小、目标被不同程度遮挡、复杂背景干扰目标等问题，提出了基于YOLOX的多感受野增强的安全帽检测算法（multiple receptive field enhancement-YOLOX，MRFE-YOLOX）。在特征融合网络中增加浅层特征融合分支，提升小目标特征信息流通效率，提高了小目标的检测精度；设计基于空洞卷积组与卷积注意力机制的感受野增强模块（receptive field augmentation module，RFAM），捕获了更大范围的感受野和图像特征，改善了遮挡目标漏检率高的问题；根据三分支注意力机制构建特征增强网络（feature enhancement network，FENet），抑制背景噪音对目标区域的干扰，降低了复杂背景下的目标误检率；引入空间到深度卷积（space to depth-conv，SPD-Conv）得到无信息损失的二倍下采样特征图，保留了更多的特征信息，同时减少了模型的参数量。实验结果表明，所提算法的均值平均精度相较于基线算法提升了2.78个百分点，FPS达到了102.67，满足了爆破现场安全帽实时检测的需要。

关键词：安全帽检测,YOLOX-s算法,感受野,空洞卷积,注意力机制