【摘要】本文针对工业场景环境复杂、安全帽尺寸不一和人工监管效率较低等问题，提出一种基于YOLOv8n的安全帽佩戴检测模型。首先，通过引入小目标检测层重构 YOLOv8n 网络架构，实现对不同尺度目标的特征提取；其次，将窗口多头自注意力机制等思想融入 YOLOv8n 的C2f 模块，设计一种新的 C2f_iRMB 模块；最后，使用 WIoU 损失函数抑制低质量样本的有害梯度，提高了模型的鲁棒性和检测精度。实验结果表明，改进后的模型在 P、R 和 mAP50 指标上分别提升了 0.5、2.6、2.0 个百分点，验证了该模型可以有效地进行安全帽佩戴检测，为工业场景的安全帽佩戴识别智能检测提供了有力的技术支撑。