面向小目标的改进YOLOv8安全帽检测算法  

作　　者：程翔宇 杨硕 徐森 

机构地区：[1]沈阳化工大学计算机科学与技术学院,辽宁沈阳110142 [2]辽宁省化工过程工业智能化技术重点实验室,辽宁沈阳110142

出　　处：《物联网技术》2025年第8期16-21,共6页Internet of things technologies

基　　金：辽宁省教育厅基本科研项目面上项目(LJKMZ20220782)。

摘　　要：现如今小目标安全帽检测算法存在如检测精度较低以及漏检等问题,为解决上述问题,提出一种改进的YOLOv8算法。首先,在C2f中引入一种空间选择核机制(LSKBlock),提高对小目标的检测精度。其次,在主干网络中添加ECA高效通道注意力机制,从而提高检测精度。再次,在Head模块中添加小目标检测头,提高模型对多尺度目标的检测精度。最后,将原模型的CIoU改为动态非单调聚焦机制Wise-IoU,提高模型的泛化能力。实验结果表明,与原YOLOv8模型相比,改进后的YOLOv8模型的精确度、召回率、平均检测精度分别达到了89.4%、78.3%、87.1%,相比原模型分别提高了1.0、3.7、3.5个百分点。

关 键 词：安全帽 YOLOv8 LSKBlock 注意力机制 CIoU Wise-IoU 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]