基于YOLOv8-ECW的井下人员行为实时检测算法

doi:10.19606/j.cnki.jmst.2024907

矿业科学学报 ›› 2025, Vol. 10 ›› Issue (02) : 316 -327. DOI: 10.19606/j.cnki.jmst.2024907

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对现有煤矿井人员行为检测模型存在精度低、计算量大等问题，提出一种基于YOLOv8-ECW的井下人员行为实时检测算法。算法在YOLOv8n的基础上对骨干网络进行改进，提出多尺度卷积模块EMSC,再与C2f卷积相结合设计出C2f＿EMSC模块，有效捕获目标的多尺度特征，减少模型的计算量、参数量；在网络中引入CGBlock下采样模块融合全局的上下文信息，引入WIoU损失函数提升检测框的定位精度和模型收敛速度。在矿井人员行为检测数据集上进行实验，结果表明：（1）相比于基线YOLOv8n模型，YOLOv8-ECW模型对各类目标平均精度均值mAP₅₀为92.4%,上升了2.1%;mAP_50-95为75.4%,上升了4.0%。（2） YOLOv8-ECW的检测速度为238 F/s,较YOLOv8n模型提高了5 F/s。（3）与YOLOv6、YOLOv7等主流网络模型相比，YOLOv8-ECW模型的检测性能最佳且具有较好的鲁棒性。