【摘要】安全帽佩戴检测是工业安全生产尤其是电力等高危领域的核心防护手段，对保障电力作业人员生命安全、提升电力安全监管自动化水平具有重要意义。针对现有算法在电力复杂场景中，检测精度不足、实时性欠佳的缺陷，本文以 YOLOV8n 算法为基准，设计了可变形大可分离注意力机制用于特征提取，可以在有效地处理上下文的信息的同时保留局部描述符。其次，设计了一种基于数据的感受野的动态适应的自适应方法，将其加入到可变形大可分离注意力机制中，用于改善复杂背景下特征捕捉和理解的能力。实验结果表明，改进后的 DLSKA-YOLOv8n 算法在公开安全帽数据集（SHWD）上，检测精度相得到一定提升，能够有效适配电力复杂场景的检测需求。