GCW-YOLOv8n：轻量级安全帽佩戴检测算法

来源：计算机工程与应用杂志2025年第3期北京时间：

作者：徐壮, 钱育蓉, 颜丰

单位：1.新疆大学 软件工程重点实验室，乌鲁木齐 830091；2.新疆维吾尔自治区信号检测与处理重点实验室，乌鲁木齐 830046；3.新疆大学 计算机科学与技术学院，乌鲁木齐 830046

摘要：我国是世界工业大国，在各种施工环境下，施工材料的坠落以及施工现场的碰撞是造成伤亡事故的主要原因。因头部伤害而导致的伤亡事故时有发生，而佩戴安全帽可以最大程度上保证施工人员的安全。为解决人工管理的时效性差、管理效率低下，现有模型对算力需求较为严苛，内存需求大，以及工业设备在处理负载和数据传输延迟的问题，实现边缘计算、实时管控，提出一种基于YOLOv8n的改进安全帽佩戴检测算法。提出了一种新的GS-C2f模块，该模块引入GhostConv及SE（squeeze-and-excitation）注意力机制，有效降低了模型计算量及其复杂度，同时帮助网络有效提取特征。在Neck部分引入CBAM注意力机制，使模型加强对有效特征的关注。引入Wise-IoUv3进一步提高模型的精度。经实验，该模型对比原YOLOv8n模型，在计算参数下降21.24%的同时，识别精度提升了0.01，在模型精度和复杂度之间均取得了令人满意的效果。

关键词：YOLOv8n,安全帽佩戴检测,GhostConv,CBAM注意力机制