关键词：安全工程;化工实验室;目标检测;轻量化;YOLOv8
摘 要：为了利用人工智能和目标检测技术实现对化工实验室的智能安全防控，提出了基于改进YOLOv8的化工实验室安全检测模型，旨在检测试验人员不规范行为和异常目标。首先，利用分组混洗卷积(Group Shuffle Convolution, GSConv)重构YOLOv8的C2f结构和特征融合部分的下采样模块，降低模型的参数量与计算量；其次，设计基于分组卷积的轻量化检测头替换原有检测头，进一步降低计算复杂度；最后，构建面向化工实验室安全检测的图像数据集，用于训练模型。试验结果表明，经过改进的模型在不牺牲过多检测精度的情况下，参数量和计算量分别降低了48%和54%。改进模型在性能和轻量化之间取得了良好的平衡，不仅适用于在计算资源受限的化工实验室环境下部署，也具有在其他需要轻便高效安全监控的场景中广泛应用的潜力。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取