基于YOLOv8n的列车疲劳驾驶检测算法  

作　　者：杨松 彭素真 YANG Song;PENG Suzhen

机构地区：[1]沈阳工业大学化工过程自动化学院,辽宁辽阳111003

出　　处：《信息技术与信息化》2025年第4期70-73,共4页Information Technology and Informatization

摘　　要：为解决铁路驾驶员疲劳驾驶检测的困难和提高检测精度,文章提出一种基于YOLOv8n的轻量化疲劳驾驶检测技术。首先,在YOLOv8n的基础框架上,将Conv替换为动态通道注意力卷积DY-CNNs,以增强检测精度。其次,引入损失函数SIoU,以提高检测精度和鲁棒性。接着,颈部网络引入了跨尺度特征融合模块CCFM,增强了模型对疲劳特征的细节和上下文信息的捕捉能力。最后,在检测头模块引入了Detect-improve,以提取更为丰富和精确的特征。测试结果表明,改进后的模型在平均精度上比原模型提高了3%,准确度提升了2.8%,并且在计算量、参数量和模型大小上分别下降了46.3%、50%和45.2%。这些改进使得轻量化模型在保持高准确率的同时,为铁路驾驶员疲劳驾驶的预防和检测提供了一个有效的技术手段。

关 键 词：疲劳检测 YOLOv8n DY-CNNs CCFM 损失函数 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]