基于改进YOLOv8n的施工场景下防护装备佩戴检测算法

李军; 周科宇; 邹军; 曾文炳

doi:10.13705/j.issn.1671-6833.2025.03.002

郑州大学学报（工学版） ›› 2025, Vol. 46 ›› Issue (03) : 19 -25+104. DOI: 10.13705/j.issn.1671-6833.2025.03.002

基于改进YOLOv8n的施工场景下防护装备佩戴检测算法

李军, 周科宇, 邹军, 曾文炳

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对在施工场景中现有的防护装备检测算法存在受干扰信息影响、光照不均匀以及被作业设备遮挡等问题，提出了一种改进YOLOv8n的轻量化算法YOLO-LA。首先，将加权双向特征金字塔网络BiFPN引入颈部，通过多路径交互融合，提高底层细节和高级语义信息，增强多尺度特征融合性能，提升模型对复杂场景小目标的检测精度；其次，在基线模型中使用C2f-ContextGuided模块对骨干网络进行改造，ContextGuided模块使用全局上下文信息计算权重向量，并使用其细化局部特征和周围上下文特征的联合特征，从而提高模型的特征提取能力，并降低模型复杂度；再次，提出了一种全新的LSCD轻量化检测头，其使用共享卷积，减少模型的参数量和计算量；最后，用EIoU代替了原来的CIoU,优化边框回归，提高了算法收敛速度和回归精度。实验结果表明：YOLO-LA算法在防护装备佩戴检测中表现优异，相比基线模型YOLOv8n,参数量、计算量和模型内存分别降低了61.5%,43.2%和58.7%,同时mAP@0.5提升了1.4百分点，且FPS值为253帧/s,满足防护装备佩戴检测的实时性、准确性和轻量化要求。