本发明专利技术公开了一种基于改进YOLOv8s的掘进工作面人员检测方法，涉及目标检测技术领域，解决了现有YOLOv8s模型难以准确从掘进工作面图片中的检测出目标人员，导致对掘进工作面人员检测的准确性不高的技术问题；本发明专利技术通过图像采集设备获取若干掘进工作面人员图片数据，标记为样本图片数据；对YOLOv8s模型进行改进，得到改进YOLOv8s模型；基于标注数据集训练改进YOLOv8s模型，得到人员检测模型；将待检测掘进工作面人员图片数据输入至人员检测模型进行识别，得到识别结果和性能指标；通过使用PP‑HGNET2神经网络替换YOLOv8s的主干，有利于提高YOLOv8s模型的处理复杂图片数据的能力。
【技术实现步骤摘要】
本专利技术属于目标检测，具体是一种基于改进yolov8s的掘进工作面人员检测方法。
技术介绍
1、确保煤矿安全生产是煤炭行业工作中的首要任务，而掘进工作面作为煤矿生产的重要区域，在生产作业中的人员安全问题尤为重要。但随着掘进工作面施工的机械化、自动化水平不断提高，以往的人员安全监测方式已不能满足现有安全监测预警的需求，急需研究一种掘进工作面人员智能监测与安全预警技术。
2、yolo系列算法在工业上得到了广泛的应用，但在煤矿掘进工作面人员检测方面的研究仍较少；由于掘进工作面图片中的场景复杂，现有yolov8s模型难以准确从掘进工作面图片中的检测出目标人员，导致对掘进工作面人员检测的准确性不高；此外，现有技术缺乏注意力机制，而注意力机制可以引导yolov8s模型关注输入数据中的关键部分，因此导致检测速度不高；另外，现有技术在特征提取和信息处理时还存在计算量大的问题。
3、本专利技术提出一种基于改进yolov8s的掘进工作面人员检测方法，以解决上述技术问题。
技术实现思路
>1、本专利技术旨在本文档来自技高网...
【技术保护点】
1.一种基于改进YOLOv8s的掘进工作面人员检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进YOLOv8s的掘进工作面人员检测方法，其特征在于，所述通过图像采集设备获取若干掘进工作面人员图片数据，包括：
3.根据权利要求1所述的一种基于改进YOLOv8s的掘进工作面人员检测方法，其特征在于，所述对样本图片数据进行预处理并随机生成若干新图片，包括：
4.根据权利要求1所述的一种基于改进YOLOv8s的掘进工作面人员检测方法，其特征在于，所述工作人员通过图片标注工具对标准图片数据进行标注，包括：
5.根据权利要求1所述的一种...
【技术特征摘要】
1.一种基于改进yolov8s的掘进工作面人员检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进yolov8s的掘进工作面人员检测方法，其特征在于，所述通过图像采集设备获取若干掘进工作面人员图片数据，包括：
3.根据权利要求1所述的一种基于改进yolov8s的掘进工作面人员检测方法，其特征在于，所述对样本图片数据进行预处理并随机生成若干新图片，包括：
4.根据权利要求1...
【专利技术属性】
技术研发人员：朱延松，汪鑫，汤超弘，黄未，刘存宇，刘国，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。