基于YOLOv8n的施工场景下安全帽佩戴检测算法

来源：计算机技术与发展杂志2025年第03期北京时间：

作者：盛鹏;张敏;晋从乾;朱子玄;江文豪

摘要：在施工场景下,针对安全帽检测任务中存在小目标较多、目标易被遮挡和易受环境因素干扰等问题,提出一种改进 YOLOv8n 的安全帽佩戴检测算法。 首先,设计一种双向特征金字塔网络,通过跳跃连接增强特征表达能力,优化特征融合,并增加 160×160 有效特征层来提高小目标的检测精度;其次,利用分组卷积的思想和共享参数的策略重构检测头模块,在保证检测精度不受影响的前提下减少模型的参数量;最后,引入基于大型可分离核注意力(LSKA)和瓶颈注意力模块(BAM)设计的注意力引导模块,将其融入到空间金字塔池化(SPPF)模块中,该模块通过 LSKA 扩大感受野,提升模型对遮挡目标的局部特征捕捉,同时通过 BAM 关注空间和通道,过滤环境噪声,减少环境干扰对模型检测的影响。 实验结果表明,改进后的算法相较于基线算法,准确率提高了 0. 2 百分点,召回率提高了 2. 1 百分点,mAP@ 0. 5 提升了 2. 6 百分点,此外,参数量仅为 2. 0 M,FPS 达到了 84. 5 帧。

关键词：安全帽检测;YOLOv8n;特征融合;改进小目标层;注意力机制