基于YOLOv7-tiny改进的矿工安全帽检测

作者：孙迟; 刘晓文^*

来源：中国科技论文, 2023, 18(11): 1250-1274.

• 矿工安全帽检测
• 小目标检测
• YOLOv7-tiny
• 注意力机制
• 损失函数

针对矿工安全帽检测算法准确度不高的问题，提出一种基于YOLOv7-tiny网络改进的安全帽检测算法。在YOLOv7-tiny网络的基础上，首先针对安全帽这种小目标检测问题，颈部网络融合了160×160大小特征层的安全帽特征信息，在密集情况下对安全帽的识别效果更好；接着在主干网和颈部网络中间加入SimAM无参注意力机制，有效增强安全帽特征提取能力，丰富模型捕获的上下文信息；最后使用SIoU损失函数替代CIoU损失函数，减小损失自由度，增强网络的鲁棒性。在矿工安全帽数据集上的实验结果表明，改进YOLOv7-tiny算法的平均准确度均值达到98.47%,较YOLOv7-tiny提升3.86%,较YOLOv5-s、YOLOX-tiny目标检测算法分别提升2.90%、7.20%,检测效果优于同类型网络检测效果，在边缘端设备JetsonTX2上检测速度达到28.04帧/s,满足实时性要求。在不同光线场景下的矿工安全帽检测效果显示，改进YOLOv7-tiny算法漏检和误检情况更少，进一步说明了改进算法的有效性。

• 出版日期2023
• 单位中国矿业大学; 中国矿业大学（北京）