来源：期刊VIP网 时间：
作者：杨学周;张军;陈习文;金淼;刘莉;余锋;姜明华;
单位：武汉纺织大学计算机与人工智能学院;中国电力科学研究院;南洋理工大学电气与电子工程学院;湖北省服装信息化工程技术研究中心;
摘要：为了应对电力作业场景的多样性和复杂性，从而解决安全帽监管难题，提出一种基于遮挡感知的安全帽细粒度检测算法（EHD-Net）。首先，针对遮挡情况下多尺度特征提取能力不足的问题，提出一种基于遮挡感知的大型可分离核卷积模块（EDKA），解决了安全帽因遮挡导致的检测不准确问题；其次，针对模型特征提取和融合能力不足的问题，提出一种分离与增强注意力模块（DAAM），并构建新的特征放大检测头（FA-Head），解决了因模型感受野不足导致的小目标检测性能较差问题。针对模型收敛能力不足的问题，提出一种基于距离和尺度因子的损失函数（DLS-IoU），解决了在训练过程中收敛速度慢的问题。针对模型泛化能力不足的问题，提出一种对数据集进行细粒度划分的方案，根据安全帽佩戴的规范性和安全帽下颌带的状态将其划分为五种不同类别，提升了模型的实际应用能力。实验结果表明，相较于基准模型（YOLOv8n），所提检测算法的平均准确度达到了94.5%，提升了6.3%。
关键词：细粒度;;遮挡感知;;安全帽佩戴检测;;目标遮挡检测;;小目标检测;;卷积神经网络
基金资助：国家自然科学基金项目(62202346);; 国家留学基金资助项目(202208420109);; 武汉市应用基础前沿研究项目(2022013988065212);; 湖北省安全生产专项资金科技项目(SJZX20220908)
