摘要: 由于煤矿井下固定视角视频监控图像覆盖多目标且尺度分布不均衡、井下光照强度分布不均且目标可视化特征易受复杂环境干扰，实现煤矿井下多类别小目标的精确检测与分类仍面临重要挑战和提升空间。对此，本文基于YOLOv8算法的结构，提出一种煤矿井下多目标检测算法，FEDSC-FFBD。首先，提出一种基于动态蛇形卷积与CA注意力机制的特征提取网络作为检测算法的主干网络，实现增强模型特征提取能力的同时聚焦复杂小目标细节特征，抑制复杂背景的干扰；其次，提出一种基于SDI与BiFPN的特征融合网络作为检测算法的颈部网络，实现增强多尺度特征融合性能的同时提高对复杂小目标的检测灵敏度，减少目标误检和漏检；然后，引入SIoU损失函数改进目标检测算法的检测头，增强模型对复杂环境下小目标的适应能力并提高模型收敛速度。最后，采用实际煤矿井下真实视频监控图像开展7类目标的检测识别实验，实验结果表明，本文提出的FEDSC-FFBD算法能够实现97.00%的mAP，分别比YOLOv8n和YOLOv5s算法高3.40%和3.60%。此外，消融实验结果也进一步验证了本文检测算法中优化策略的有效性。