基于改进YOLOv8n的井下人员多目标检测
问永忠1
贾澎涛2
夏敏高2
张龙刚1
王伟峰3
1.陕西陕煤蒲白矿业有限公司,陕西渭南 7155172.西安科技大学计算机科学与技术学院,陕西西安 7100543.西安科技大学安全科学与工程学院,陕西西安 710054
摘要：针对井下危险区域人员监测视频存在光照不均匀、目标尺度不一致、遮挡等复杂情况,基于YOLOv8n网络结构,提出一种改进的井下人员多目标检测算法—YOLOv8n-MSMLAS.该算法对YOLOv8n的Neck层进行改进,添加多尺度空间增强注意力机制(MultiSEAM),以增强对遮挡目标的检测性能;在C2f模块中引入混合局部通道注意力(MLCA)机制,构建C2f-MLCA模块,以融合局部和全局特征信息,提高特征表达能力;在Head层检测头中嵌入自适应空间特征融合(ASFF)模块,以增强对小尺度目标的检测性能.实验结果表明:①与 Faster R-CNN,SSD,RT-DETR,YOLOv5s,YOLOv7 等主流模型相比,YOLOv8n-MSMLAS 综合性能表现最佳,mAP@0.5和mAP@0.5∶0.95分别达到93.4％和60.1％,FPS为80.0帧/s,参数量为5.80×106个,较好平衡了模型的检测精度和复杂度.②YOLOv8n-MSMLAS在光照不均、目标尺度不一致、遮挡等条件下表现出较好的检测性能,适用于现场检测.
关键词：煤矿井下危险区域井下人员多目标检测YOLOv8n多尺度空间增强注意力机制自适应空间特征融合轻量化混合局部通道注意力机制
分类号：TD323(矿山压力与支护)
资助基金：陕西省重点研发计划(2022QCY-LL-70)陕西省秦创原科学家+工程师队伍建设项目(2023KXJ-052)
论文发表日期：2025-01-09
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 31-37,77 )
英文信息