来源：期刊VIP网 时间：
作者：韩锟栋;张涛;彭玻;钟亮;吴胜波;
单位：新疆大学软件学院;
摘要：为解决安全帽佩戴检测中密集小目标和目标受到遮挡场景下容易产生误检和漏检的问题，提出基于改进YOLOv5安全帽佩戴检测算法。首先，在安全帽的特征信息提取过程中引入微尺度检测层，以进一步融合多尺度特征，从而获得更为丰富的特征信息；然后，将坐标注意力机制插入到所提出的改进特征融合网络中，用于提取目标的位置信息，并通过实验验证了该方法的有效性；最后利用EIOU代替CIOU损失函数，加快收敛并改善回归精度和安全帽目标检测准确性。根据实验结果可以看出，改进的YOLOv5算法对安全帽的平均检测准确率（mAP）为90.89%，比标准YOLOv5算法提升了2.25%，明显减少了误检、漏检情况，在面对密集小目标、目标被遮挡等复杂场景时，检测性能得到了有效的提升。除此之外，将改进后的YOLOv5安全帽检测算法部署到施工现场，可以展现出在密集小目标、目标被遮挡场景下更加优异的检测性能，具有很大的应用价值。
关键词：人工智能;;目标检测;;YOLOv5;;特征融合;;注意力机制;;损失函数
基金资助：新疆维吾尔自治区自然科学基金项目（2021D01C077）;新疆维吾尔自治区自然科学基金（2022D01C83）;; 新疆维吾尔自治区重点研发任务专项（2021B01002）;; 新疆维吾尔自治区科学技术厅项目（2022NC192）
