基于深度学习的煤矿井下人员检测算法

摘要

人员检测是保障煤矿安全生产和建设智慧矿山的重要内容，针对煤矿井下环境复杂、对人员检测困难的问题，提出一种改进的YOLOv8-F煤矿井下人员检测方法。在YOLOv8主干中引入MobileNetV4高效网络提升模型的精确度及高效性，同时为保证特征的充分提取，通过添加融合DCNV4的DAttention注意力机制，保证特征信息的准确性和完整性。最后，通过引入Shape-IoU边界损失函数提升定位框的精度，实现对人员的精确检测。实验结果表明，在特定场景的煤矿工人动作数据集上，相比基线模型YOLOv8n,YOLOv8-F的准确率、召回率和mAP分别提升了3.2、 2.7和2.3百分点，浮点运算量减少1.4 G。改进后的模型在检测精度和轻量化方面达到很好的平衡，验证了新算法的有效性。

关键词

人员检测 / YOLOv8算法 / MobileNetV4高效网络 / 注意力机制 / 损失函数