改进YOLOv7-tiny的施工现场安全衣帽穿戴检测算法

摘要

针对当前施工现场安全衣帽穿戴检测算法在复杂背景、弱光环境及目标遮挡情况下的抗干扰能力不足，导致检测精度低、漏检率高及误检现象频繁等问题，提出了一种改进YOLOv7-tiny的施工现场安全衣帽穿戴检测算法。首先，在特征提取区域引入EMA注意力机制增强网络特征提取能力，弱化复杂背景干扰；其次，在特征融合部分插入RFEM模块提升网络感受野，获取更广泛的上下文信息，增强对小目标的感知能力；最后，采用Shape-IoU替换IoU边界回归损失函数，提升检测准确性。实验结果表明：改进模型在自制数据集上的mAP@0.5达到90.4%,相比原模型提高3.0百分点；帧率达到了93帧/s,模型参数量仅为6.1×10～6。相比YOLOv8s、YOLOv9s等模型，所提算法在检测精度、速度和模型轻量化方面更具优势，适合施工现场的实时检测应用。

关键词

YOLOv7-tiny / 注意力机制 / RFEM / Shape-IoU / 安全衣帽检测