为有效检测和识别煤矿井下采掘工作面人员是否佩戴安全防护装置，针对井下光照条件差、安全防护装备目标尺寸小且颜色与背景相似等情况，提出了一种基于改进YOLOv8n的采掘工作面小目标检测方法。在YOLOv8n骨干网络C2f模块中融合动态蛇形卷积（DSConv），构建C2f-DSConv模块，以提高模型提取多尺度特征的能力；在Neck层引入极化子注意力（PSA）机制，以减少信息损失，提高特征表达能力；在Head层增设1个专门针对微小目标的检测头，形成4检测头结构，以扩大模型检测范围。实验结果表明，改进YOLOv8n模型对井下人员及其所佩戴安全帽、矿灯、口罩、自救器检测的平均精度分别为98.3%，95.8%，89.9%，87.2%，90.8%，平均精度均值为92.4%，优于Faster R-CNN，YOLOv5s，YOLOv7，YOLOv8n模型，且检测速度达208帧/s，满足煤矿井下目标检测精度和实时性要求。

0 引言
1 改进YOLOv8n模型
1.1 Backbone层改进
1.2 Neck层改进
1.3 Head层改进
2 实验及结果分析
3 结论

薛小勇,何新宇,姚超修,等.基于改进YOLOv8n的采掘工作面小目标检测方法[J/OL].工矿自动化,1-8[2024-08-29].https://doi.org/10.13272/j.issn.1671-251x.2024060013.