地科学院罗小龙副教授团队成员陈超炫在期刊《科学教育与艺术》上发表题为"基于yolov8n的景区行人与垃圾多目标检测方法研究"的研究论文。yl7703永利集团为论文第一署名单位，硕士研究生陈超炫、罗小龙为论文第一作者。

本文围绕景区复杂场景下的异常目标检测问题展开研究，针对传统目标检测模型在小目标识别、复杂背景干扰以及异常姿态检测中的不足，提出了一种基于改进YOLOv8n的P2AF-YOLO目标检测模型。随着智慧景区建设需求不断提升，景区在垃圾治理与游客安全监测方面面临更高要求，而传统人工巡检方式存在效率低、实时性差等问题，因此研究高效、轻量化的智能检测方法具有重要意义。

在模型结构方面，本文以YOLOv8n为基线，引入P2检测头，在更高分辨率特征图上进行目标预测，从而增强模型对垃圾等小尺度目标的检测能力。同时，在Neck部分加入ASF注意力尺度序列融合模块，通过跨尺度特征交互与注意力加权机制，提高模型对复杂背景与模糊目标的特征表达能力。此外，在损失函数部分引入Focaler-IoU机制，使模型在训练过程中更加关注困难样本与关键区域，从而提升边界框定位精度与模型鲁棒性。

实验结果表明，改进后的P2AF-YOLO模型在景区数据集上的检测精度较基线模型得到明显提升，mAP@0.5达到81.8%，相比原始YOLOv8提高了5.9个百分点。同时，模型参数量与权重大小进一步降低，兼顾了检测精度与轻量化需求。本文研究为智慧景区中的环境治理与安全预警提供了技术支持，也为复杂场景下的目标检测研究提供了一定参考。

论文链接：http://www.ispgoa.com/thesisDetails?manuscriptId=1949

图1 引进P2检测头YOLOv8 结构图

图2 论文首页