基于协同注意力和特征融合的多类型个人防护装备检测算法

盛耀萱; 李烨; 张保存; 陈洋军; 刘庆一

doi:10.19728/j.issn1672-6634.2025120015

聊城大学学报（自然科学版） ›› 2026, Vol. 39 ›› Issue (5) : 633 -642. DOI: 10.19728/j.issn1672-6634.2025120015

基于协同注意力和特征融合的多类型个人防护装备检测算法

盛耀萱, 李烨, 张保存, 陈洋军, 刘庆一

作者信息 +

Author information +

文章历史 +

摘要

为确保工人在生产作业中的安全，个人防护装备的佩戴至关重要。基于深度学习的目标检测技术能够低成本、快速地识别防护装备，但在复杂背景和多类型防护装备场景下，存在识别精度下降的挑战。为此，本文提出了一种高性能检测模型SCASFF-YOLO,在YOLOv10s的基础上融合了两项关键改进：其一，引入SC-PSA模块，通过空间与通道协同注意力机制强化特征提取能力；其二，在检测头中结合自适应空间特征融合模块，并加入深度可分离卷积优化多尺度特征融合，在提升多类型防护装备检测性能的同时降低计算量。实验证明，所提出的模型在CHV数据集上取得了目前同类检测方法中的更高检测精度，为多类型个人防护装备的智能化检测提供了一个具有广阔应用场景的新解决方案。