一种改进YOLOv7算法煤矿井下安全帽佩戴检测方法

由于井下环境复杂，低光照以及安全帽的物体较小导致的检测效果不理想。针对这一问题，我们公开了一种改进YOLOv7算法煤矿井下安全帽佩戴检测方法。首先，针对低光照条件下图像特征易受噪声干扰的局限性，提出多尺度MELAN模块，通过构建多尺度注意力机制来捕捉更广泛的上下文信息，进而强化特征信息的提取，并有效抑制噪声的干扰。其次，在主干网络使用软池化和全维动态卷积构建OD‑SMP模块，减少了特征映射中的信息弥散，保留了更多上下文信息，增强对小目标的检测能力；最后，对于煤矿井下不同光照和距离的复杂背景和环境，导致检测样本质量出现参差不齐的情况，使用Wise‑IoU作为损失函数。本发明方法具有较好的检测效果，对建设智能化矿井具有重大意义。