来源：期刊VIP网 时间：
作者：邱云飞;齐焓玮;金海波;
单位：辽宁工程技术大学软件学院;
摘要：针对安全帽检测中背景干扰、目标遮挡及目标较小引发的漏检和误检问题，提出了WAM-YOLO安全帽检测方法。首先，设计了C3k2-WTConv模块，通过深度卷积操作实现一维Haar小波变换，结合多尺度分解和二倍下采样，提取图像的多层次特征；其次，设计了多尺度卷积注意力模块，结合多分支深度条形卷积捕获多尺度上下文信息，通过1∶1卷积建模通道间的关系并生成注意力权重，对特征图进行加权调整；最后，新增P2检测头，通过高分辨率特征图有效捕捉小目标细节，结合自适应空间特征融合模块，通过特征重缩放与自适应加权机制优化多尺度特征融合。在两个不同的公共数据集上进行对比试验，WAM-YOLO相较于YOLO11,平均精度提升至94.6%和90.3%,召回率达到88.7%和84.9%,均优于对比方法。WAM-YOLO算法显著提升了复杂环境中对安全帽的检测精度和鲁棒性，有效保障了工人作业安全。
关键词：安全工程;;安全帽检测;;YOLO11;;多尺度特征;;注意力机制
基金资助：国家自然科学基金项目(62173171)
