基于YOLOv8的井场设施安全实时监测新算法

针对传统的油田井场的灭火器、过桥盖板、压力表等安全设施中实时目标检测算法精确度低、实时性差的问题,将井场设施安全性的跟踪监测作为研究对象,提出了一种基于改进YOLOv8的井场设施安全实时监测算法DCH-YOLO。首先,为了更好地适应复杂场景,在YOLOv8骨干网络的C2f模块中添加可变形卷积,提升目标的定位能力和模型自适应能力,以改善YOLOv8对遮挡或旋转后的目标及目标尺度变化较大时出现误检或漏检的现象。其次,引入CBAM注意力机制,以提高网络对重要图像区域的关注度,增强空间注意力,提升网络的泛化能力。最后,采用边界框回归损失函数HIoU取代CIoU,能够动态调整边界框回归损失,提高目标监测的准确性。实验结果表明,DCH-YOLO检测精确率较原始YOLOv8模型提升了4.7%,mAP50和mAP50:95分别提升了5.43%和4.2%,对现场使用具有一定的参考价值。