基于YOLOv8的安全帽佩戴檢測研究

摘要：隨著安全生產(chǎn)意識的增強，工地安全監(jiān)管日益受到重視，檢測作業(yè)人員是否佩戴安全帽成為保障工地安全的一項重要措施。然而，安全帽的檢測也存在不小的挑戰(zhàn)，如存在目標(biāo)尺寸變化、復(fù)雜背景干擾等因素。為此，文章提出了一種基于YOLOv8的安全帽佩戴檢測方法，通過引入膨脹卷積以及卷積注意力機制，提升網(wǎng)絡(luò)的特征提取能力，結(jié)合定位損失函數(shù)、置信度損失函數(shù)來進行參數(shù)的更新。實驗數(shù)據(jù)顯示，該方法的精度比原始的YOLOv8有一定的提升，可以準(zhǔn)確地檢測員工是否佩戴安全帽。

關(guān)鍵詞：YOLOv8；特征提取；神經(jīng)網(wǎng)絡(luò)；安全帽檢測

中圖分類號：TP391.4 文獻標(biāo)志碼：A

0 引言

安全生產(chǎn)不僅關(guān)系到從業(yè)者個人的健康和生命安全，也關(guān)系到企業(yè)的可持續(xù)發(fā)展和社會的穩(wěn)定。在眾多安全防護措施中，佩戴安全帽是最基本也是最有效的一種手段。YOLO（You Only Look Once）算法作為一種領(lǐng)先的實時目標(biāo)檢測算法［1］，以其快速精準(zhǔn)的特點備受關(guān)注。YOLOv8是最新的迭代版本，在速度和準(zhǔn)確度上均有顯著提升，為安全帽佩戴監(jiān)測的實時性和準(zhǔn)確性帶來了新的可能。在目標(biāo)檢測的研究中，針對改進YOLOv8的算法主要包括以下幾個方面：（1）加入反卷積層、歸一化層和拼接層等，以設(shè)計出全新的網(wǎng)絡(luò)架構(gòu)，提升模型細(xì)節(jié)捕捉和特征整合的能力［2］；（2）利用GCBlock結(jié)構(gòu)，處理和建模更長距離的依賴關(guān)系，在YOLOv8的主干網(wǎng)絡(luò)中使用GCBlock結(jié)構(gòu)來增強模型的特征提取能力［3］；（3）使用GSConv新型卷積方式去降低計算量，同時保持良好的特征表示［4］；……