针对井下危险区域人员监测视频存在光照不均匀、目标尺度不一致、遮挡等复杂情况，基于YOLOv8n网络结构，提出一种改进的井下人员多目标检测算法—YOLOv8n-MSMLAS。该算法对YOLOv8n的Neck层进行改进，添加多尺度空间增强注意力机制（MultiSEAM），以增强对遮挡目标的检测性能；在C2f模块中引入混合局部通道注意力（MLCA）机制，构建C2f-MLCA模块，以融合局部和全局特征信息，提高特征表达能力；在Head层检测头中嵌入自适应空间特征融合（ASFF）模块，以增强对小尺度目标的检测性能。实验结果表明：①与Faster R-CNN，SSD，RT-DETR，YOLOv5s，YOLOv7等主流模型相比，YOLOv8n-MSMLAS在综合性能上表现最佳，mAP@0.5和mAP@0.5-0.95分别达到93.4%和60.1%，FPS为80.0帧/s，参数量为5.80×106，较好平衡了模型的检测精度和复杂度。②YOLOv8n-MSMLAS在光照不均、目标尺度不一致、遮挡等条件下表现出较好的检测性能，适用于现场检测。

0 引言
1 YOLOv8n-ASMS模型
1.1 MultiSEAM
1.2 MLCA机制
1.3 ASFF特征融合算法
2 实验结果及分析
2.1 数据集采集与标注
2.2 实验环境及评价指标
2.3 消融实验
2.4 对比实验
3 结论

问永忠,贾澎涛,夏敏高,等.基于改进YOLOv8n的井下人员多目标检测[J/OL].工矿自动化,1-8[2025-01-22].https://doi.org/10.13272/j.issn.1671-251x.2024110035.