来源：期刊VIP网 时间：
作者：杜岗;
单位：连云港职业技术学院机电工程学院;
摘要：安全帽在井下场景中随人员移动，远距离拍摄时目标尺寸较小，检测难度显著增加；井下环境复杂，光照不足、粉尘干扰、遮挡严重和背景杂乱等因素会干扰特征提取过程，降低检测的准确性和稳定性；现有轻量化和加速策略在提升速度的同时，往往损害了模型对细节和小目标的刻画能力，使得检测精度不足。针对上述问题，提出了一种融合特征增强与上下文感知的井下安全帽佩戴检测方法。首先，引入特征增强模块（NFEM），通过多分支卷积与空洞卷积结构提高小目标的语义特征提取能力，使模型能够在弱光、遮挡或粉尘环境下获得更具判别性的特征表达。然后，引入空间特征融合模块（NFFM），在多尺度特征融合过程中利用通道加权策略对特征进行自适应调整，在不显著增加计算量的前提下提高检测精度。最后，引入改进空间上下文感知模块（ISCAM），采用位置敏感的全局上下文建模机制，强化特征间的空间与通道依赖关系，有效提升模型对弱纹理小目标的检测能力，并增强对复杂背景的抑制效果。实验结果表明：(1)所提方法在CUMT-HelmeT数据集上的mAP@0.5达到0.86，单帧检测时间仅为10.4 ms；在SHWD数据集上的m AP@0.5达到0.88，单帧检测时间为12.2 ms。(2)在强光干扰、远距离小目标、安全帽相互遮挡等复杂场景中，所提方法较YOLOv12s目标检测方法表现出更高的检测置信度和更低的漏检率。(3)所提方法能够有效引导模型关注关键目标，抑制背景干扰，从而提升检测精度和可靠性。
关键词：安全帽佩戴检测;;井下目标检测;;特征增强;;上下文感知;;空间特征融合
基金资助：江苏省高等学校自然科学研究面上项目（19KJD520004）;; 连云港市第六期“521工程”科研项目资助计划项目（LYG06521202315）
