-
题名基于改进YOLOv8n的井下人员多目标检测
- 1
-
-
作者
问永忠
贾澎涛
夏敏高
张龙刚
王伟峰
-
机构
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
-
出处
《工矿自动化》
北大核心
2025年第1期31-37,77,共8页
-
基金
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)。
-
文摘
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
-
Keywords
underground hazardous areas in coal mines
multi-target detection of underground personnel
YOLOv8n
multi-scale spatially enhanced attention mechanism
adaptive spatial feature fusion
lightweight hybrid local channel attention mechanism
-
分类号
TD323
[矿业工程—矿井建设]
-
