面向智慧工地防护装备检测的增强型轻量级模型BOM-YOLOv12n

《Electronics》：BOM-YOLOv12n: A Lightweight Detection Model for Protective Equipment in Smart Construction Sites

　　

摘要

在复杂的建筑工地环境中，防护装备检测面临目标尺度变化大、遮挡频繁以及背景干扰强等问题，使得现有轻量级模型难以在检测精度与计算开销之间取得平衡。针对这些挑战，本文提出一种增强型轻量级检测模型BOM-YOLOv12n。基于YOLOv12n，首先设计了一种BN校准的重参数化卷积（BCRepConv），用于减小训练与推理之间的特征分布差距并增强小目标特征表示能力；随后引入多维度注意力模块ODC2f，以增强遮挡条件下的局部判别性响应；最后采用基于最小点距离的MPDIoU损失函数来提升边界框回归精度。在HardHat-Vest数据集上的实验结果表明，BOM-YOLOv12n的mAP@0.5达到87.3%，mAP@0.5:0.95达到58.5%，参数量仅为2.3M，计算量为6.2 GFLOPs，相较于基线模型及其他主流轻量级检测器，在检测精度与计算效率之间实现了良好平衡。实验结果表明，BOM-YOLOv12n可作为智慧工地实时防护装备检测的一种具有竞争力且高效的解决方案。