增强小目标检测的建筑工地安全装备检测

作     者：吕明海 王昱博 吕伏 冯永安 LYU Ming-Hai;WANG Yu-Bo;LYU Fu;FENG Yong-An

作者机构：辽宁工程技术大学软件学院葫芦岛125105 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2025年第34卷第2期

页      面：122-134页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金青年基金(51904144) 辽宁工程技术大学鄂尔多斯研究院校地科技合作培育项目(YJY-XD-2023-014,YJY-XD-2024-040) 

主　　题：YOLOv8n 注意力机制 并行化设计 上采样 损失函数 

摘      要：YOLOv8n算法在面对背景繁杂、目标密集、像素点小的情况下,表现出识别精度欠佳、目标漏检及误识别的问题.针对上述问题,提出一种LNCE-YOLOv8n安全装备佩戴检测算法.包括提出线性多尺度融合注意力LMSFA(linear multi-scale fusion attention)机制,自适应聚焦关键特征,提升对小目标信息提取的能力且减少计算.提出C2f_NewNet(C2f_New network)结构,通过有效的并行化设计,保持高性能且减少深度.结合轻量级通用上采样算子CARAFE(content-aware reassembly of feature),实现跨尺度的高效特征融合与传播,在大的感受野内聚合上下文信息.基于SIoU(symmetric intersection over union)损失函数提出ESIoU(enhanced symmetric intersection over union),提升模型在复杂环境中的适应性和精度.实验采用safety equipment数据集进行训练测试,结果表明LNCEYOLOv8n算法相比YOLOv8n算法,精度提升了5.1%,mAP50提升了2.7%,mAP50-95提升了3.4%,有效提高建筑工地复杂场景的工人安全装备佩戴检测精度.