来源：期刊VIP网 时间：
作者：肖振久;许子豪;金海波;李士博;杨雅涵;
单位：辽宁工程技术大学软件学院;
摘要：为解决现有安全帽检测算法中复杂度高、实时性低的问题，在平衡检测精度的前提下提出DEL-YOLO轻量化安全帽佩戴检测算法。首先，设计动态特征融合网络(Dynamic Feature Fusion Network, DFFN),利用多样化卷积和通道缩放降低模型复杂度。其次，设计边缘细节增强模块(Edge Detail Enhancement Module, EDEM),并结合SPDConv重构颈部网络，增强小目标边缘信息提取的能力以平衡模型参数量与精度。然后，设计轻量化共享卷积检测头(Lightweight Shared Convolutional Detection Head, LSCDH),通过共享卷积进一步降低模型复杂度，并提高模型在复杂场景下安全帽特征的定位和提取能力。最后，引入Wise-IoUv3损失函数，减少有害梯度对安全帽特征的影响，提升模型的性能。算法结果表明，相较于YOLOv8n模型，DEL-YOLO模型在参数量、计算量和模型所占存储容量上分别降低了43.3%、19.7%和41.2%。DEL-YOLO在平衡检测精度的同时实现了轻量化，满足安全帽佩戴检测的实时性需求。
关键词：安全工程;;安全帽检测;;边缘细节增强;;共享卷积;;YOLOv8n;;轻量化
基金资助：国家自然科学基金项目(62173171)
