矿业研究与开发

作者：钟彬,余波,白水全,杨亚伟,张帅,郝建龙

关键词：安全帽检测;YOLOv９;多维扩张;轻量化;消融试验

针对矿井复杂环境下人员安全帽佩戴情况检测精度低、漏检和误检等问题,提出一种基于YOLOv9模型的多维扩张轻量化模型MD-YOLO.为解决图像信息清晰度低、受粉尘遮挡等问题,通过引入多维扩张模块改进原有特征提取模块,使模型在检测安全帽时获取更大的感受野,以增强捕捉全局特征的能力;为应对小目标和密度目标漏检情况,构建了融合注意力机制的动态检测头(PD-Dyhead),从尺度、空间、任务感知3个方面增强了模型的特征提取能力;通过采用指数移动平均样本加权损失函数(EMAＧSlideLoss)改善了YOLOv9模型在处理样本不平衡问题上的不足.试验结果表明,相较于YOLOv9模型,MDＧYOLO 模型的检测精度达到92.5％,提高了2.8个百分点,参数量减少了26.6％,检测速度提高了27.0％.MD-YOLO模型在各种复杂环境下均能有效监测安全帽佩戴情况,综合性能最优.

来源：2025年第8期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2025年第8期