0.   引言

井下工作环境面临坍塌、有毒气体、高温等潜在危险^[1]。为保障工作人员的安全，个人防护装备的使用至关重要，其中确保人员正确佩戴安全帽并及时发现未佩戴者成为重要任务。

目标检测是井下人员安全帽佩戴检测的核心。近年来，深度学习算法在目标检测领域广泛应用。常用的目标检测方法主要分为单阶段检测模型（如SSD^[2]，YOLO^[3]）与双阶段检测模型（如R−CNN^[4]）。在工业领域中，双阶段检测模型由于其复杂性导致检测速度较慢，难以保证实时检测。单阶段检测模型中，SSD检测速度较快，但精度较差，而YOLO以其较高的实时性和准确性备受关注，能够在单一前向传递中直接预测图像中的目标位置和类别。赵红成等^[5]在YOLOv3的基础上通过使用GIoU损失函数提高定位准确率，采用金字塔多池化结构提高多尺度检测能力，并引入注意力机制专注于安全帽特征学习，但当目标过小或被遮挡时仍有漏检情况，且增加了检测时间。Fu Chuan等^[6]在YOLOv3的基础上，将深度残差网络和多尺度卷积特征相结合，并通过调整损失函数的权重来优化目标框的选择，提升了对中远距离安全帽的识别精度，但没有考虑遮挡情况。李熙尉等^[7]将YOLOv5的CIoU损失函数替换为Alpha−CIoU损失函数，并引入卷积块注意力模块（Convolutional Block Attention Module，CBAM）提取图像关键特征，但未考虑安全帽目标较小与遮挡等情况。李凤英等^[8]基于YOLOv7，采用数据增强的方式来克服复杂环境的影响，且设计了针对性的锚框尺寸进行检测，并引入DeepSort算法实现了安全帽追踪识别，但未考虑遮挡与目标较小时对检测精度的影响。以上方法在一定程度上提高了检测精度，但并未完全考虑遮挡、目标较小、背景干扰等因素，且都未解决模型轻量化问题。为保证在井下复杂场景检测的实时性，本文在YOLOv8n的基础上进行改进，提出了一种基于改进YOLOv8n的井下人员安全帽佩戴检测方法。添加P2小目标检测层，防止小目标信息丢失；引入CBAM，增强特征提取能力；将CIoU损失函数替换为WIoU损失函数，提升模型的泛化能力及定位性能；使用轻量化共享卷积检测头（Lightweight Shared Convolutional Detection Head，LSCD），降低模型参数量及计算量。

1.   改进YOLOv8n模型

改进YOLOv8n模型结构如图1所示（红框中为改进部分）。在颈部网络中添加P2小目标检测层，提高对小目标的检测能力；在主干网络中添加CBAM，降低对无效信息的关注；检测头使用LSCD，降低模型复杂度。

图  1  改进YOLOv8n模型结构

Figure  1.  Improved YOLOv8n model structure

下载: 全尺寸图片 幻灯片

1.1   小目标检测层

YOLOv8n通过N3，N4和N5检测头分别提取P3，P4和P5检测层的特征图，对应特征图大小分别为80$ \times $80、40$ \times $40和20$ \times $20^[9]。井下安全帽属于小目标，小目标通常在图像中占据较少的像素，特征少或不明显，容易被忽略或误判，仅靠原YOLOv8n的检测层无法实现对小目标的精准检测。因此通过添加4倍下采样的P2小目标检测层及对应的检测头N2来提升对小目标的检测能力，如图2所示。P2对应的检测特征图大小为160×160，用于检测4×4以上大小的目标，可使网络更加关注小目标，提高检测精度。

图  2  改进YOLOv8n的检测层

Figure  2.  Detection layer of improved YOLOv8n

下载: 全尺寸图片 幻灯片

1.2   CBAM

由于背景存在遮挡及光照变化等会降低井下安全帽检测的准确性，所以通过引入注意力机制来提高特征提取能力。

CBAM^[10]是一种用于增强CNN性能的注意力模块，通常包括通道注意力模块（Channel Attention Module）和空间注意力模块（Spatial Attention Module），如图3所示。输入特征首先经过通道注意力模块，对不同通道的特征图进行加权，凸显重要的特征通道，抑制不重要的特征通道。再经过空间注意力模块，对特征图的不同空间位置进行加权，强化重要的空间区域，抑制不重要的空间区域。通过在网络中加入CBAM，可提高捕捉重要信息的能力，能够更好地进行特征提取，提升检测精度。

图  3  CBAM结构

Figure  3.  Convolutional block attention module (CBAM) structure

下载: 全尺寸图片 幻灯片

1.3   WIoU损失函数

YOLOv8n采用的损失函数CIoU是IoU的一种改进版本^[11]。CIoU旨在更全面地考虑目标检测框之间的重叠情况，同时结合了空间位置、尺寸及角度等方面的信息。但在CIoU中长宽比的引入可能存在问题，即当预测框与真实框长宽比相同时会失去作用，且低质量的回归样本会对损失函数造成不良影响。因此，本文引入WIoU损失函数，该损失函数通过构造动态梯度增益系数，可根据目标的具体特征动态调整每个目标的损失贡献。对于长宽比几乎相同但尺寸或位置不同的目标，WIoU能提供更细致的梯度调整，帮助模型更精准地定位目标，且更专注于普通质量的回归样本，减少对低质量样本的关注，提高检测性能。WIoU损失函数计算公式为^[12]

式中：$ {L}_{{\mathrm{WIoU}}} $为WIoU损失；$ r $为梯度增益；$ {R}_{{\mathrm{WIoU}}} $为权重系数惩罚项；$ {L}_{{\mathrm{IoU}}} $为边界框损失；（x，y）为锚框中心坐标；（$ {x}_{{\mathrm{gt}}}，{y}_{{\mathrm{gt}}} $）为目标框中心坐标；$ {W}_{{\mathrm{g}}} $，$ {H}_{{\mathrm{g}}} $分别为最小包围框的宽和高；*代表分离操作，不再追踪梯度信息；$ \beta $为离群度；$ \delta $和$ \alpha $为超参数（本文训练中$ \delta $取3，$ \alpha $ 取1.9）；$ {L}_{{\mathrm{IoU}}}^{*} $为实际边界框损失；${\overline{L}_{{\mathrm{IoU}}}} $为平均边界框损失。

1.4   LSCD

在YOLOv8n模型中，检测头的计算量较大，因此通过改进检测头来降低模型的复杂度，实现模型的轻量化。YOLOv8n模型的检测头采用的是解耦合头，检测头有2个分支，每个分支均包括2个3×3卷积和1个1×1卷积^[13]。而本文针对小目标添加了检测头N2，导致YOLOv8n模型的检测头计算量与参数量大大增加。为解决该问题，本文设计了一种LSCD，其核心思想是将原2个分支变为1个分支，采用共享参数的方式提取特征，即

式中：$ {h}_{{\mathrm{out}}}{，h}_{{\mathrm{in}}} $分别为输出、输入特征；$ {f}_{{\mathrm{w}}}\left(\cdot \right) $为特征提取操作。

LSCD结构如图4所示。模型轻量化容易造成精度的损失，因此，本文将检测头卷积中的归一化层替换为群组归一化（Group Normalization，GN），以提升检测头的定位和分类性能^[14]。以P2小目标检测层为例，从P2小目标检测层提取特征图后，经过1个卷积（Conv_GN，1$ \times 1 $）调整通道，再经过2个共享参数的卷积模块（Conv_GN，3$ \times 3 $）进行特征提取，之后将定位分支（Conv_Reg，3$ \times 3 $）和分类分支（Conv_Cls，3$ \times 3 $）进行分离，每个分支都采用共享参数的方式。在定位中采用共享参数时，由于检测物大小不同，需要考虑尺度问题，所以采用Scale层进行不同程度的缩放。LSCD在尽可能保证精度的情况下可大幅度减小模型的计算量和参数量，使得模型轻量化。

图  4  LSCD结构

Figure  4.  Lightweight shared convolutional detection head （LSCD） structure

下载: 全尺寸图片 幻灯片

2.   实验及结果分析

2.1   数据集

为得到更加真实的训练效果，本文选用综采工作面异常状态图像数据集（DsLMF+）^[15]中的煤矿工人安全帽数据，该数据采集于原始井下检测视频，将视频逐帧截成图像，并对原始图像进行滤波处理，最终得到20 117张图像，并按照8∶2的比例划分为训练集与验证集。为提高模型的鲁棒性，通过Mosaic进行数据增强。

2.2   实验环境与参数

实验采用PyTorch作为框架，Python作为编程语言，利用GPU进行训练。训练硬件环境：CPU为Intel（R） Xeon（R） CPU E5−2680 v4，GPU为NVIDIA RTX 4060，显存为8 GiB，操作系统为Linux。PyTorch版本为2.0.0，Cuda版本为11.8.0，Python版本为3.8。

实验参数设置：epochs为200，batchsize为8，优化器为Adam，初始化学习率为0.01，动量参数为0.937，权重衰减为0.000 5。

2.3   实验结果

2.3.1   注意力机制对比实验

在添加P2小目标检测层的基础上，引入CBAM和常用的SE^[16]，EMA^[17]，CA^[18]注意力机制进行对比，结果见表1（mAP@50表示交并比阈值为0.5时的平均精度均值）。可看出引入CBAM后检测精度最高。

表  1  不同注意力机制对比实验结果

Table  1.  Comparison of experimental results with different attention mechanisms

注意力机制	精确率	召回率	mAP@50/%
SE	0.912	0.873	94.0
EMA	0.902	0.874	93.8
CA	0.920	0.866	94.1
CBAM	0.910	0.881	94.3

下载: 导出CSV 

| 显示表格

为直观证明添加CBAM的效果，对加入CBAM前后的热力图进行对比，如图5所示。可看出加入CBAM后，降低了背景影响，使网络更专注于安全帽目标。

图  5  加入CBAM前后热力图对比

Figure  5.  Comparison of heat maps before and after adding CBAM

下载: 全尺寸图片 幻灯片

2.3.2   损失函数对比实验

在添加P2小目标检测层及CBAM的基础上，将WIoU损失函数和常用的CIoU，EIoU^[19]，SIoU^[20]，GIoU^[21]等损失函数进行对比，结果见表2。可看出WIoU损失函数使模型的精确率、召回率及mAP@50分别提升了0.7%，1.3%，0.8%，这是因为WIoU损失函数能够进一步提高模型的定位性能。

表  2  不同损失函数对比实验结果

Table  2.  Comparison of experimental results with different loss functions

损失函数	精确率	召回率	mAP@50/%
CIoU	0.910	0.881	94.3
EIoU	0.914	0.878	94.2
SIoU	0.909	0.872	94.1
GIoU	0.909	0.884	94.2
WIoU	0.917	0.894	95.1

下载: 导出CSV 

| 显示表格

2.3.3   消融实验

为验证本文所提改进方法的有效性，基于基准模型YOLOv8n进行消融实验，结果见表3。可看出单独加入P2小目标检测层、CBAM、WIoU损失函数，模型mAP@50分别提升了0.8%，0.3%，0.4%。将以上3种改进组合，检测精度达到最高，mAP@50相较于YOLOv8n模型提升了2.1%。但引入P2小目标检测层及CBAM使得模型参数量、计算量及模型大小较YOLOv8n模型分别增加了8.6%，97.7%，2.1%。而加入LSCD使得模型复杂度降低，与YOLOv8n模型相比，参数量、计算量及模型大小分别下降了23.8%，10.4%，17.2%，且mAP@50提升了1.8%。

表  3  消融实验结果

Table  3.  Ablation experiment results

P2	CBAM	WIoU	LSCD	mAP@50/%	参数量/ 106个	浮点运算 数/109	模型大 小/MiB
×	×	×	×	93.0	3.15	8.7	6.11
√	×	×	×	93.8	3.35	17.2	6.11
×	√	×	×	93.3	3.22	8.7	6.24
×	×	√	×	93.4	3.15	8.7	6.11
√	√	√	×	95.1	3.42	17.2	6.24
√	√	√	√	94.8	2.40	7.8	5.07

下载: 导出CSV 

| 显示表格

2.3.4   目标检测对比实验

为进一步证明改进YOLOv8n模型的检测性能，在相同实验环境下将改进YOLOv8n模型与主流目标检测模型SSD，YOLOv3−tiny，YOLOv5n，YOLOv7及YOLOv8n进行对比，结果见表4。可看出改进YOLOv8n模型的检测精度最高，且在参数量、计算量和模型大小方面相较于除YOLOv5n以外的模型具有较大优势。

表  4  不同目标检测模型对比实验结果

Table  4.  Comparison of experimental results for different object detection models

模型	mAP@50/%	参数量/106个	浮点运算数/109	模型大小/MiB
SSD	69.6	23.61	60.8	503.67
YOLOv3−tiny	88.9	8.67	12.9	17.40
YOLOv5n	85.6	1.77	4.2	3.78
YOLOv7	94.1	37.19	105.1	74.80
YOLOv8n	93.0	3.15	8.7	6.11
改进YOLOv8n	94.8	2.40	7.8	5.07

下载: 导出CSV 

| 显示表格

为更清楚地对比YOLOv8n改进前后的检测效果，使用本文数据集中部分图像进行检测（置信度设置为0.5），结果如图6所示。可看出：在图像1中，YOLOv8n模型在安全帽打开灯光的高亮情况下有1处漏检；在图像2中，YOLOv8n模型在光亮使得安全帽与周围环境颜色相近时有1处漏检；在图像3中，YOLOv8n模型在遮挡情况下有1处漏检；在图像4中，YOLOv8n模型在安全帽紧邻时有1处漏检；而改进YOLOv8n模型在不同场景图像下均能准确检测安全帽，检测精度更高，降低了漏检率。

图  6  YOLOv8n改进前后检测效果对比

Figure  6.  Comparison of detection results before and after YOLOv8n improvement

下载: 全尺寸图片 幻灯片

3.   结论

1） 在YOLOv8n的基础上，添加P2小目标检测层及CBAM，增强了对安全帽的特征提取能力；使用WIoU损失函数，提高了模型对目标定位的准确性；改进检测头为LSCD，采用共享参数的方式降低了模型复杂度。

2） 与SSD，YOLOv3-tiny，YOLOv5n，YOLOv7，YOLOv8n模型相比，改进YOLOv8n模型综合性能最好，mAP@50为94.8%，参数量为2.4×10⁶个，浮点运算数为7.8×10⁹，模型大小为5.07 MiB，平衡了模型检测精度与复杂度。在井下复杂场景下，改进YOLOv8n模型有效改善了漏检问题，更适用于现场检测。