来源：期刊VIP网 时间：
作者：陈伟;穆华星;管彦允;刘珏廷;徐婷婷;王泽华;
单位：中国矿业大学计算机科学与技术学院;中国矿业大学矿山数字化教育部工程研究中心;
摘要：为解决煤矿井下视觉设备对矿工行为检测效果不佳的问题，采用模型优化和实验的方法，基于YOLOv8s构建基准模型，引入高效多尺度注意力机制改进主干网络，增强对矿工多姿势及多尺度特征的提取和表示能力。优化损失函数，提高对于井下复杂场景中低质量图像检测的准确性和稳定性。设计一种轻量化模块，替换原颈部深层网络的特征处理模块，保障检测高效性。研究结果表明：改进后的模型对井下矿工行为检测的平均精确度均值提高了1.2%，模型参数量减少了17%。研究结论为类似场景下特定任务的目标检测优化提供借鉴。
关键词：煤矿复杂环境;;行为检测;;YOLOv8s;;注意力机制;;轻量化;;低质量图像
基金资助：国家自然科学基金面上项目(52274160;51874300);国家自然科学基金委员会-山西省人民政府煤基低碳联合基金项目(U1510115)
