融合特征增强与上下文感知的井下安全帽佩戴检测方法
杜岗
连云港职业技术学院机电工程学院,江苏连云港 222006
摘要：安全帽在井下场景中随人员移动,远距离拍摄时目标尺寸较小,检测难度显著增加;井下环境复杂,光照不足、粉尘干扰、遮挡严重和背景杂乱等因素会干扰特征提取过程,降低检测的准确性和稳定性;现有轻量化和加速策略在提升速度的同时,往往损害了模型对细节和小目标的刻画能力,使得检测精度不足.针对上述问题,提出了一种融合特征增强与上下文感知的井下安全帽佩戴检测方法.首先,引入特征增强模块(NFEM),通过多分支卷积与空洞卷积结构提高小目标的语义特征提取能力,使模型能够在弱光、遮挡或粉尘环境下获得更具判别性的特征表达.然后,引入空间特征融合模块(NFFM),在多尺度特征融合过程中利用通道加权策略对特征进行自适应调整,在不显著增加计算量的前提下提高检测精度.最后,引入改进空间上下文感知模块(ISCAM),采用位置敏感的全局上下文建模机制,强化特征间的空间与通道依赖关系,有效提升模型对弱纹理小目标的检测能力,并增强对复杂背景的抑制效果.实验结果表明:①所提方法在CUMT-HelmeT数据集上的mAP@0.5达到0.86,单帧检测时间仅为10.4 ms;在SHWD数据集上的mAP@0.5达到0.88,单帧检测时间为12.2 ms.②在强光干扰、远距离小目标、安全帽相互遮挡等复杂场景中,所提方法较YOLOv12s目标检测方法表现出更高的检测置信度和更低的漏检率.③所提方法能够有效引导模型关注关键目标,抑制背景干扰,从而提升检测精度和可靠性.
关键词：安全帽佩戴检测井下目标检测特征增强上下文感知空间特征融合
分类号：TD67(矿山电工)
资助基金：江苏省高等学校自然科学研究面上项目(19KJD520004)连云港市第六期521工程科研项目(LYG06521202315)
论文发表日期：2025-09-30
在线出版日期：2025-10-27（本平台首次上网日期，不代表文献的发表时间）
页数：8( 43-49,59 )
英文信息