来源：期刊VIP网 时间：
作者：问永忠;贾澎涛;夏敏高;张龙刚;王伟峰;
单位：陕西陕煤蒲白矿业有限公司;西安科技大学计算机科学与技术学院;西安科技大学安全科学与工程学院;
摘要：针对井下危险区域人员监测视频存在光照不均匀、目标尺度不一致、遮挡等复杂情况，基于YOLOv8n网络结构，提出一种改进的井下人员多目标检测算法—YOLOv8n-MSMLAS。该算法对YOLOv8n的Neck层进行改进，添加多尺度空间增强注意力机制（MultiSEAM），以增强对遮挡目标的检测性能；在C2f模块中引入混合局部通道注意力（MLCA）机制，构建C2f-MLCA模块，以融合局部和全局特征信息，提高特征表达能力；在Head层检测头中嵌入自适应空间特征融合（ASFF）模块，以增强对小尺度目标的检测性能。实验结果表明：(1)与Faster R-CNN,SSD,RT-DETR,YOLOv5s,YOLOv7等主流模型相比，YOLOv8n-MSMLAS综合性能表现最佳，mAP@0.5和mAP@0.5:0.95分别达到93.4%和60.1%,FPS为80.0帧/s，参数量为5.80×106个，较好平衡了模型的检测精度和复杂度。(2) YOLOv8n-MSMLAS在光照不均、目标尺度不一致、遮挡等条件下表现出较好的检测性能，适用于现场检测。
关键词：煤矿井下危险区域;井下人员多目标检测;YOLOv8n;多尺度空间增强注意力机制;自适应空间特征融合;轻量化混合局部通道注意力机制
基金资助：陕西省重点研发计划(2022QCY-LL-70); 陕西省秦创原“科学家+工程师”队伍建设项目(2023KXJ-052)
