来源：期刊VIP网 时间：
作者：邓悦1;陆保国2;钱夔1;龚晨涛1
单位：1.南京工程学院自动化学院;2.中国电子科技集团公司第二十八研究所
摘要：针对现有深度学习技术在建筑工地高空作业人员安全带检测任务中，存在施工环境复杂、距离远导致检测效率低下的问题，提出一种融合边缘特征增强的级联群注意力工地施工安全带检测模型。首先，该模型在主干网络中进行边缘特征增强，有效提升了网络对复杂场景下模糊目标形态结构和边缘细节的特征提取；其次，设计CSP(cross stage partial)模块，通过融合级联群注意力(cascaded group attention,CGA)机制，减少冗余信息，提高计算效率；最后，引入融合ELA(efficient local attention)注意力的特征金字塔ELA-HSFPN，实现高、中、低不同尺度的跨分辨率特征高效的动态加权融合，提升了检测精度。实验结果表明，改进后的算法与基准模型YOLOv11n相比，其平均精度值mAP提升了8.27百分点，检测效果明显得到提升，并且和其他的主流目标检测算法相比，也有明显改善，验证了新模型的有效性。
关键词：安全带检测;边缘特征增强;级联群注意力;金字塔网络
基金资助：江苏省自然科学基金面上项目（BK20251933）; 江苏省高等学校基础科学（自然科学）研究重大项目（25KJA413002）
