点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID计算机视觉研究院学习群扫码在主页获取加入方式https://pmc.ncbi.nlm.nih.gov/articles/PMC12987068/pdf/sensors-26-01646.pdf计算机视觉研究院专栏Column of Computer Vision Institute煤矿井下环境复杂光线差、粉尘大、目标小传统检测模型容易漏检、误检给矿工安全带来隐患。针对这些痛点本文提出的CGALS‑YOLO模型基于 YOLOv8 优化精准实现井下人员安全帽、自救器佩戴合规检测为智能矿山安全监管提供硬核方案。PART/1痛点井下安全检测到底难在哪煤矿井下作业人员安全是底线。随着矿山智能化推进AI 视频识别成为违规监管的重要手段但落地面临三大难题环境恶劣光照不足、粉尘干扰图像对比度低、噪声多背景杂乱设备、管道与衣物颜色相近目标易被淹没目标复杂防护装备尺度变化大小目标细节易丢失漏检、误检频发现有 YOLO 系列模型虽轻量化、速度快但多尺度特征融合易引入冗余背景检测头参数冗余在井下复杂场景仍有提升空间。PART/2核心团队以YOLOv8n为基线从特征融合和检测头两大维度升级打造轻量化高精度检测模型。1. CGAFusion内容引导特征融合精准抓重点在网络 Neck 端加入CGAFusion 模块解决传统特征拼接冗余问题融合通道 空间 像素三重注意力自适应对齐同尺度多路径特征强化浅层细节与深层语义特征协同抑制背景干扰重点提升小目标自救器、远端安全帽感知能力降低漏检【CGAFusion 模块架构图】2. LSCD轻量共享卷积检测头降参不降准在检测头端替换为LSCD 结构实现轻量化与稳定性兼顾跨尺度共享卷积参数减少重复学习参数大幅降低用组归一化替代批归一化适配井下小样本、小批次训练加入可学习尺度层自适应不同目标回归提升多尺度检测一致性【LSCD 检测头架构图】3. 联合优化CGALS‑YOLO 整体架构两大模块协同Neck 端强化特征质量检测头提升判别效率不增复杂度、大幅提性能。【CGALS‑YOLO 整体网络架构图】PART/3实验实验验证精度飙升轻量易部署团队构建井下防护装备佩戴数据集4832 张图像覆盖戴帽、未戴帽、戴自救器三类在 GTX 1050 Ti 平台完成测试。1. 核心指标全面超越基线 YOLOv8n精度Precision91.3%提升 4.6%召回率Recall85.1%提升 3.1%mAP0.589.4%提升 2.9%参数减少23.9%计算量降低 20.7%速度达66.5 FPS满足实时监控【YOLOv8n 与 CGALS‑YOLO 性能对比表】2. 消融实验两大模块缺一不可仅加 CGAFusionmAP0.5 提升 1.8%特征增强有效仅加 LSCD参数降 24.8%精度仍涨 1.7%联合优化性能与轻量化完美互补效果最优【消融实验结果表】3. 多模型对比吊打主流检测算法对比YOLOv3‑tiny、YOLOv5/6/8、RT‑DETR、Faster R‑CNN 等CGALS‑YOLO 在精度、速度、轻量化三者平衡最优远超两阶段模型与轻量化基线。【主流模型对比实验结果表】4. 可视化效果复杂场景稳得住边缘小目标自救器基线漏检CGALS‑YOLO 精准识别遮挡安全帽、强光干扰、极暗环境均能稳定检测激活图显示模型更聚焦防护装备区域背景干扰被有效抑制【四类典型场景检测效果对比图】【Grad‑CAM 激活图可视化对比】PART/4总结与展望核心结论CGALS‑YOLO 针对井下复杂场景通过CGAFusion 强化特征、LSCD 轻量化检测头实现✅ 小目标 / 遮挡 / 低光场景检测能力大幅提升✅ 精度、召回率显著上涨✅ 模型更轻量易部署到边缘设备✅ 满足煤矿井下实时安全监控需求未来方向后续将融合时序信息与多模态感知数据进一步提升极端粉尘、重度遮挡下的鲁棒性助力矿山无人化、智能化安全保障。有相关需求的你可以联系我们END转载请联系本公众号获得授权计算机视觉研究院学习群等你加入ABOUT计算机视觉研究院计算机视觉研究院主要涉及深度学习领域主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。研究院每日分享最新的论文算法新框架提供论文一键下载并分享实战项目。研究院主要着重”技术研究“和“实践落地”。研究院会针对不同领域分享实践过程让大家真正体会摆脱理论的真实场景培养爱动手编程爱动脑思考的习惯往期推荐YOLO-TLA一种基于 YOLOv5 的高效轻量级小目标检测模型ViT-YOLO基于Transformer的用于目标检测的YOLO算法SSMA-YOLO一种轻量级的 YOLO 模型具备增强的特征提取与融合能力适用于无人机航拍的船舶图像检测LUD-YOLO一种用于无人机的新型轻量级目标检测网络Gold-YOLO基于聚合与分配机制的高效目标检测器Drone-YOLO一种有效的无人机图像目标检测「无人机AI」“空中城管”无人机AI光伏巡检自动化解决方案无人机视角下多类别船舶检测及数量统计机场项目解决飞行物空间大小/纵横比、速度、遮挡等问题引起的实时目标检测问题2PCNet昼夜无监督域自适应目标检测附原代码YOLO-S小目标检测的轻量级、精确的类YOLO网络大改Yolo框架 | 能源消耗极低的目标检测新框架附论文下载改进的检测算法用于高分辨率光学遥感图像目标检测