针对现有煤矿井人员行为检测模型存在精度低、计算量大等问题,提出一种基于YOLOv8-ECW的井下人员行为实时检测算法。算法在YOLOv8n的基础上对骨干网络进行改进,提出多尺度卷积模块EMSC,再与C2f卷积相结合设计出C2f＿EMSC模块,有效捕获目标的多尺度特征,减少模型的计算量、参数量;在网络中引入CGBlock下采样模块融合全局的上下文信息,引入WIoU损失函数提升检测框的定位精度和模型收敛速度。在矿井人员行为检测数据集上进行实验,结果表明:（1）相比于基线YOLOv8n模型,YOLOv8-ECW模型对各类目标平均精度均值mAP50为92.4%,上升了2.1%;mAP50-95为75.4%,上升了4.0%。（2）YOLOv8-ECW的检测速度为238F·s-1,较YOLOv8n模型提高了5F·s-1。（3）与YOLOv6、YOLOv7等主流网络模型相比,YOLOv8-ECW模型的检测性能最佳且具有较好的鲁棒性。

骆津津,陈伟,田子建,等.基于YOLOv8-ECW的井下人员行为实时检测算法[J/OL].矿业科学学报,1-12[2025-03-08].https://doi.org/10.19606/j.cnki.jmst.2024907.