针对现有井下人员安全帽佩戴检测方法未考虑遮挡、目标较小、背景干扰等因素，存在检测精度差及模型不够轻量化等问题，提出一种改进YOLOv8n模型，并将其应用于井下人员安全帽佩戴检测。在颈部网络中加入P2小目标检测层，提高模型对小目标的检测能力，更好地捕捉安全帽目标细节；在主干网络中添加卷积块注意力模块（CBAM）提取图像关键特征，减少背景信息的干扰；将CIoU损失函数替换为WIoU损失函数，提升模型对检测目标的定位能力；采用轻量化共享卷积检测头（LSCD），通过共享参数的方式降低模型复杂度，并将卷积中的归一化层替换为群组归一化（GN），在尽可能保证精度的同时实现模型轻量化。实验结果表明：与YOLOv8n模型相比，改进YOLOv8n模型在交并比阈值为0.5时的平均精度均值（mAP@50）提升了1.8%，参数量减少了23.8%，计算量下降了10.4%，模型大小减少了17.2%；改进YOLOv8n模型检测精度优于SSD，YOLOv3-tiny，YOLOv5n，YOLOv7和YOLOv8n，模型复杂度仅次于YOLOv5n，较好地平衡了模型检测精度与复杂度；在井下复杂场景下，改进YOLOv8n模型能够实现对井下人员安全帽佩戴的准确检测，改善了漏检问题。

0 引言
1 改进YOLOv8n模型
1.1 小目标检测层
1.2 CBAM
1.3 WIoU损失函数
1.4 LSCD
2 实验及结果分析
2.1 数据集
2.2 实验环境与参数
2.3 实验结果
2.3.1 注意力机制对比实验
2.3.2 损失函数对比实验
2.3.3 消融实验
2.3.4 目标检测对比实验
3 结论

王琦,夏鲁飞,陈天明,等.基于改进YOLOv8n的井下人员安全帽佩戴检测[J/OL].工矿自动化,1-7[2024-09-27].https://doi.org/10.13272/j.issn.1671-251x.2024040054.