来源：期刊VIP网 时间：
作者：丁张杰;黄剑;谢林袁;卞永明;
单位：同济大学机械与能源工程学院;中交第二航务工程局有限公司;中交公路长大桥建设国家工程研究中心有限公司;
摘要：随着目标检测技术在无人化施工等场景中的广泛应用，传统目标检测算法在复杂工程环境中面临识别精度低、计算量大、处理速度慢等挑战。基于这些挑战，本文提出了一种基于改进YOLOv8的工程场景目标检测方法，通过在YOLOv8中引入星乘模块改进C2f结构，在保证检测精度的同时显著减少模型参数量和计算量。以此为基础，本文引入了轻量化共享与细节增强卷积检测头，进一步提高检测头的细节捕获能力，并显著降低计算负担。实验结果显示：在基于Roboflow的工程场景数据集上，与YOLOv8n相比，改进后的模型在mAP@0.5和mAP@0.5:0.95上分别提高了0.3%和2.0%，参数和计算量分别减少了36.7%和34.6%，帧率（FPS）则相应提高了23.3%，验证了提出的改进算法在轻量化和检测精度方面的优越性。
关键词：目标检测;;YOLOv8;;工程场景;;模型轻量化
基金资助：国家重点研发计划资助项目（2023YFF0613200）
