基于YOLOv8n的列车疲劳驾驶检测算法
杨松
彭素真
沈阳工业大学化工过程自动化学院 辽宁辽阳 111003
摘要：为解决铁路驾驶员疲劳驾驶检测的困难和提高检测精度,文章提出一种基于YOLOv8n的轻量化疲劳驾驶检测技术.首先,在YOLOv8n的基础框架上,将Conv替换为动态通道注意力卷积DY-CNNs,以增强检测精度.其次,引入损失函数SIoU,以提高检测精度和鲁棒性.接着,颈部网络引入了跨尺度特征融合模块CCFM,增强了模型对疲劳特征的细节和上下文信息的捕捉能力.最后,在检测头模块引入了 Detect-improve,以提取更为丰富和精确的特征.测试结果表明,改进后的模型在平均精度上比原模型提高了 3％,准确度提升了 2.8％,并且在计算量、参数量和模型大小上分别下降了 46.3％、50％和45.2％.这些改进使得轻量化模型在保持高准确率的同时,为铁路驾驶员疲劳驾驶的预防和检测提供了一个有效的技术手段.
关键词：疲劳检测YOLOv8nDY-CNNsCCFM损失函数
论文发表日期：2025-04-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 70-73 )