来源：期刊VIP网 时间：
作者：薛小勇;何新宇;姚超修;蒋泽;潘红光;
单位：陕西陕煤澄合矿业有限公司;西安科技大学电气与控制工程学院;中煤科工集团常州研究院有限公司;
摘要：为有效检测和识别煤矿井下采掘工作面人员是否佩戴安全防护装置,针对井下光照条件差、安全防护装备目标尺寸小且颜色与背景相似等情况,提出了一种基于改进YOLOv8n的采掘工作面小目标检测方法。在YOLOv8n骨干网络C2f模块中融合动态蛇形卷积(DSConv),构建C2f-DSConv模块,以提高模型提取多尺度特征的能力;在Neck层引入极化自注意力(PSA)机制,以减少信息损失,提高特征表达能力;在Head层增设1个专门针对小目标的检测头,形成4检测头结构,以扩大模型检测范围。实验结果表明,改进YOLOv8n模型对井下人员及其所佩戴安全帽、矿灯、口罩、自救器检测的平均精度分别为98.3%,95.8%,89.9%,87.2%,90.8%,平均精度均值为92.4%,优于Faster R-CNN,YOLOv5s,YOLOv7,YOLOv8n模型,且检测速度达208帧/s,满足煤矿井下目标检测精度和实时性要求。
关键词：采掘工作面;小目标检测;YOLOv8n;安全防护装备检测;多尺度目标识别
基金资助：陕西省秦创原“科学家+工程师”队伍建设项目(2022KXJ-38)
