改进YOLOv7-tiny的施工现场安全衣帽穿戴检测算法OA
针对当前施工现场安全衣帽穿戴检测算法在复杂背景、弱光环境及目标遮挡情况下的抗干扰能力不足,导致检测精度低、漏检率高及误检现象频繁等问题,提出了一种改进YOLOv7-tiny的施工现场安全衣帽穿戴检测算法。首先,在特征提取区域引入EMA注意力机制增强网络特征提取能力,弱化复杂背景干扰;其次,在特征融合部分插入RFEM模块提升网络感受野,获取更广泛的上下文信息,增强对小目标的感知能力;最后,采用Shape-IoU替换IoU边界回归损失函数,提升检测准确性。实验结果表明:改进模型在自制数据集上的mAP@0.5达到90.4%,相比原模型提高3.0百分点;帧率达到了93帧/s,模型参数量仅为6.1×10^(6)。相比YOLOv8s、YOLOv9s等模型,所提算法在检测精度、速度和模型轻量化方面更具优势,适合施工现场的实时检测应用。
张震;张晨稳;张俊杰;裴胜利;王文娟
郑州大学电气与信息工程学院,河南郑州450001郑州大学河南先进技术研究院,河南郑州450001河南汇融油气技术有限公司,河南郑州450001河南汇融油气技术有限公司,河南郑州450001广东省轻工业技师学院机电工程学院,广东广州511330
信息技术与安全科学
YOLOv7-tiny注意力机制RFEMShape-IoU安全衣帽检测
《郑州大学学报(工学版)》 2026 (2)
P.1-8,8
河南省重点研发专项(231111211600)河南省重大公益专项(201300311200)。
评论